作家｜黄楠 剪辑｜袁斯来 大模子今天所展示出的刚劲能力，源于背后海量数据，为其注入了丰富的东谈主类常识。若是将大模子视为正在飞奔的科技列车，数据语料等于有数的“燃料”。其中，语料质地的晋升对模子性能取得阶段性冲破至关紧迫。 筹谋词一个现实情况是，高质地语料正在被急速消耗。国内大模子厂商所濒临的语料缺少问题十分严峻。 以中语语料为例。中国工程院院士高文指出，面前环球通用的50亿大模子数据考试勾通，中语语料占比仅为1.3%，其数目和质地上同英文等其他言语比拟存在显着不及。“熟睡”在诠释、论文、报纸