中文互联网基础语料 4.0 正式发布：开放 120GB 高质量可信训练数据

在 2026 年国家网络安全宣传周论坛上，中国网络空间安全协会等单位正式发布 120GB 的 “中文互联网基础语料 4.0”，为国内大模型训练补充可信数据支撑。

• 语料由中央网信办指导，中国网络空间安全协会联合国家互联网应急中心，会同百度、科大讯飞、知乎等机构协同共建。
• 本次 4.0 版数据量达 120GB，在经过多轮加工清洗后上线 “中文互联网语料资源平台”，供合规认证用户申请使用。
• 该举措依托既有共建共享机制，旨在持续扩充高质量中文语料供给体系，夯实本土 AI 研发的数据基础。
• 影响/看点：多方协同开放标准化中文基础语料，意味着国内模型训练在合规性与基础数据质量上面临更统一的公共支撑，其长远价值取决于行业语料库的持续更新与垂直场景覆盖度。
• 资料依据：
• IT之家（2026-09-15）：https://www.ithome.com/1/002/795.htm
• 新浪科技（2026-09-15）：https://finance.sina.com.cn/tech/roll/2026-09-15/doc-incszknv5798234.shtml

本内容由 AI 生成，仅供参考，请注意甄别