大模型发展提速 中文语料够“吃”吗(4)

机器在对语言水平这一抽象概念进行评估时，必须依赖预先设定的人类价值判断和标准。电子科技大学智能语言学习与测评实验室与字节跳动合作开发了一款语言水平考试产品。实验室负责人陈大建说，在研发阶段，实验室负责对自行收集的用户音频数据进行标注，其标注内容主要是基于音频所体现的英语能力水平进行分类和标记。标注人员由学校四五十名大学英语教师组成，且均为应用语言学专业的硕博士。

“吃”得好、“吃”得香，还要“吃”得够。只有最终实现了规模化高质量标注，才能切实提升大模型理解中文、传递中国传统文化价值的能力。中国大模型的蓬勃发展也将助力中华优秀传统文化海外传播，架起一座连接古今、沟通中外的桥梁。

中国出版集团中国图书进出口总公司下属中图科信数智技术（北京）有限公司总经理李沄沨认为，从正式出版物如文献、学术专著等入手，依托先进的提取工具和解析技术，将出版物语料化、碎片化、标准化，加工成高质量的语料数据，有别于一般的数据加工。“我们已经实现了大规模和批量开展数据语料化的技术和工具软件，能够更深层次地解析数据，并形成独立的图片、表格、公式数据集，为大模型人工智能服务提供价值更高、标准程度更好的语料供给，使出版数据在人工智能时代焕发出新活力。”他说。

在数字经济大潮中，数据要素的放大、叠加、倍增作用日益显著，成为推动相关产业高质量发展的必然要求。张纪臣认为：“我们正站在新一轮产业科技革命的门口。这是一个不进则退的时代。”

【深瞳工作室出品】

采写：本报记者 龚 茜

策划：何 屹 房琳琳

(责编：杨曦、陈键)