(资料图片仅供参考)
人民日报上海8月15日电 (记者沈文敏)近日,上海人工智能实验室宣布联合语料数据联盟成员单位,共同开源发布“书生·万卷”1.0多模态预训练语料。
“书生·万卷”1.0集合了语料数据联盟成员丰富的内容积累与上海人工智能实验室的数据处理能力等优势,将为学术界及产业界提供高质量大模型多模态预训练语料。本次开源的数据总量超过2TB,具备多元融合、精细处理、价值对齐、易用高效等四大特征。
本次开源的“书生·万卷”1.0包含文本、图文、视频三部分数据集。其中文本数据来自网页、百科、书籍、专利、教材、考题等,数据总量超过5亿个文档,数据大小超过1TB,覆盖科技、文学、媒体、教育、法律等多个领域;图文数据主要来自公开网页,经处理后形成图文交错文档,总量超过2200万个,数据大小超过140GB(不含图片),覆盖新闻事件、人物、自然景观、社会生活等多个领域;视频数据主要来自中央广播电视总台和上海文广集团,包含新闻、影视等多种类型的节目影像,总计视频文件数超过1000个,数据大小超过900GB,内容覆盖军事、文艺、体育、自然、知识、影像艺术等方面。
关键词:
-
上海人工智能实验室发布多模态语料
人民日报上海8月15日电(记者沈文敏)近日,上海人工智能实验室宣布联
-
开通线上报到系统、设置新生接待站,北京多所高校发布开学安排
开通线上报到系统、设置新生接待站,北京多所高校发布开学安排开通线上
-
全国生态日丨一方林:塞罕坝上续写绿色奇迹
8月的塞罕坝,满眼绿意。在塞罕坝林场大唤起分场的西太峪攻坚造林地,
-
三星GalaxyZFlip5怎么查看流量使用情况
三星GalaxyZFlip5作为一款新推出的折叠屏智能手机,备受消费者关注。随
-
以首善标准推进检察工作现代化
原标题:以首善标准推进检察工作现代化北京市检察院第二分院党组成员、
-
总编辑圈点|肺部脂质血管“邮政编码”确定,可引导治疗药物对号入座
科技日报记者 张佳欣据14日发表在《美国国家科学院院刊》上的论文,美
-
联合国官员:苏丹武装冲突已致超4000人死亡
当地时间8月15日,联合国人权事务高级专员沃尔克·图尔克表示,苏丹武
-
首钢迁钢官网 首钢迁钢
1、只要去你们学校的话并且专业对口就应该没问题。2、我08届过去的,招
-
中国统一无人能挡!麻生太郎窜台,朝媒:日本距毁灭深渊只差一步
近日,日本自民党副总裁、前首相麻生太郎窜访中国台湾地区,并同台湾地
-
密云区建成293个精品民宿
8月15日,北京商报记者从北京市商务局获悉,自密云区建设北京国际消费
-
襄阳襄城滨江大道4个停车场:148个停车位 24小时内免费停
襄阳襄城滨江大道4个停车场:148个停车位24小时内免费停---汉江智行在
-
2023年深圳高龄津贴有多少?高龄补贴怎么领取?多少老人可以领取?
高龄补贴怎么领取?2023年广东深圳多少老人可以领取高龄津贴?如何领取
-
邮储银行博白县支行:推进整村授信 助力乡村振兴
近日,邮储银行博白县支行在那林镇多福村开展助力乡村振兴整村授信活动
-
中国发布丨90条河流超警、24条河流超保!水利部门这样迎战松辽流域洪水
截至8月13日,松辽流域共90条河流发生超警以上洪水,其中24条河流发生
-
贵阳更新优质房地产开发企业“白名单” 包括远洋、旭辉、建发等21家
21家“白名单”包括:中铁置业集团贵州有限公司、建发房产贵阳城市公司
-
百度旗下上海小度互娱公司注销
三言科技8月15日消息,天眼查App显示,近日,上海小度互娱文化传媒有限
-
韩国149名“预告杀人”发帖者落网!半数未成年 具体是怎么回事?
【韩国149名“预告杀人”发帖者落网!半数未成年】下面大家可以一起来
-
大闸蟹买回来怎么养才不会死 买的大闸蟹怎么养才能活更久
1、准备一个盆,把螃蟹放进去,加入水,水不要太多,刚好漫到螃蟹的身
-
上半年昆明市招商引资成效显著
8月10日,昆明市“当好排头兵”高质量发展大竞赛活动半年成绩单出炉。
-
4999元 惠普星Book Pro 13 2023开售:锐龙5-7535U+2.5K屏
快科技8月14日消息,惠普星BookPro132023笔记本电脑目前已经上架开售,