19157628936
lx@jinglianwen.com
时间：2024-04-24 09:47:54
作者：景联文科技
浏览： 次
随着大模型发展步入新阶段，数据问题已成为其发展与广泛应用的重要制约因素。
2023年业界聚焦于“缺芯”问题，即芯片短缺对AI硬件设施的影响；而2024年，业界关注焦点转向“缺数据”，逐渐出现数据需求剧增、数据质量问题、标注挑战、隐私与合规关切、数据偏见与公平性问题、数据孤岛与共享难题，以及新兴领域数据匮乏等多方面挑战。
在大模型训练的各个阶段，数据的确扮演至关重着要的角色。景联文科技作为大语言模型数据服务商，提供海量优质大模型数据集，致力于为不同训练阶段的算法精准匹配高质量数据资源，以应对上述数据挑战。
世界知识类书籍、期刊、论文及高价值社区文本数据：
l 中文书籍 250万本
l 高质量外文文献期刊 8500万篇
l 英文高质量电子书 200万本
教育题库：
l K12教育题库 1800万
l 大学题库 1.1亿，800万带解析
l 英文题库 500万
专业知识类期刊、专利、代码：
l 中文数字专利 4000万
l 程序代码（代码注释） 20万
多轮对话：
l 文本多轮对话 1500万
l 中英文剧本（电影、电视剧、剧本杀） 6万
音频数据：
l 普通话 65万小时
图片生成及隐式/显示推理多模态数据：
l 图文复杂描述 600万
l 图文推理问答对 600万
生物数据：
l 核酸库 4000万
l 蛋白库 50万
l 蛋白结构库 19万
l 通路库 1000万
l 生信工具
药学数据：
l 药物研发数据库 1300万
l 全球上市数据库 80万
l 一致性评价数据库 25万
l 生产检验数据库 40万
l 合理用药 300万
l 多维文献 1亿
l 原料药数据库 1100万
化学数据：
l 化合物数据库 1.6亿
l 反应信息数据库 4100万
l 物化性质数据库 1.6亿
l 谱图数据库 20万
l 晶体信息数据库 100万
l 安全信息数据库 180万
l 商品信息数据库 740万
材料数据：
l 金属材料数据 20万
l 纳米材料数据 30万
l 相图数据 6万
l 材料性能数据 20万
l 材料腐蚀数据
l 表面处理数据
l 焊接材料数据
专利数据：
l 全球专利基础著录数据 1.3亿
l 全球专利原文数据 1亿
l 全球专利附图数据
l 全球专利法律状态数据
l 全球专利法律状态数据
l 全球专利引文数据
l 全球专利分类索引数据
l 全球专利重点申请人工商关联数据
l 全球生化医药专利深加工数据
l 全球专利全文数据
医疗器械数据：
l 国内政策法规数据 3千
l 行业标准数据
l 中国医疗器械审评数据 20万
l 中国医械临床试验数据 5千
l 全球医械临床试验数据 7万
l 医用耗材中标数据 1400万
l 医用耗材带量采购数据 400万
l 医用设备招投标数据38万
同时景联文科技提供大模型训练数据的标注服务，致力于为全球数千家人工智能从业公司和高校科研机构交付海量、高质量的多模态大模型训练数据。
景联文科技｜数据采集｜数据标注｜大语言模型训练数据
助力人工智能技术，赋能传统产业智能转型升级
文章图文著作权归景联文科技所有，商业转载请联系景联文科技获得授权，非商业转载请注明出处。
在线
客户咨询电话：19157628936
邮箱：
地址：杭州市萧山区杭州湾信息港E幢7楼
