大模型是指具有大规模参数和复杂计算结构的机器学习模型,通常由深度神经网络构建而成,包含数十亿甚至数千亿个参数,模型大小可以达到数百GB甚至更大。这种巨大的模型规模为其提供了强大的表达能力和学习能力,使其能够处理更加复杂的任务和数据。
大模型一般会通过多任务学习来增强泛化能力,可以同时学习多种不同的自然语言处理任务,如机器翻译、文本摘要、问答系统等。
当前,国内AI大模型发展仍面临诸多困境。其中,较为突出的就是高质量数据集的匮乏,这极大阻碍了大模型效果提升。特别是专业的行业应用数据集,其获取难度更大,这导致大模型可使用的数据量受到限制,进而对大模型效果形成阻碍。
景联文科技是大语言模型数据供应商,致力于为不同阶段的模型算法匹配高质量数据资源。
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 千12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。
详情可咨询我们官网~网页链接