本報記者 田鵬

    7月8日，由上海數(shù)據(jù)交易所、大數(shù)據(jù)流通與交易技術國家工程實驗室承辦的“大模型時代下的數(shù)據(jù)要素流通”主題論壇在上海世博中心舉行。上海數(shù)交所總經(jīng)理湯奇峰作題為“大模型時代下的語料庫”的主旨演講，帶來關于國內語料庫建設挑戰(zhàn)的觀察，并從語料庫質量和開放程度兩個維度給出建設建議。

    湯奇峰認為大模型時代下的語料庫建設存在語料庫供給不足、語料庫質量不高、語料庫多樣性匱乏、語料庫標準欠缺等問題。

    “語料庫建設不是單一企業(yè)的責任，需要多方共同推進，如果每個企業(yè)都單獨建設維護語料庫，會拉低效率，也會增加企業(yè)成本，數(shù)交所希望通過自己的努力加強數(shù)據(jù)要素建設提升語料庫建設效率。”

    當天活動上，上海數(shù)交所正式啟動語料數(shù)據(jù)生態(tài)創(chuàng)新合作伙伴計劃，攜手首批合作伙伴豐富語料庫，推動數(shù)據(jù)要素市場建設。

    關于語料庫建設的挑戰(zhàn)，湯奇峰認為主要集中于開放程度和數(shù)據(jù)質量兩方面：“能否有大模型企業(yè)所需的高質量語料？目標對象愿不愿意開放數(shù)據(jù)？”由此，湯奇峰指出可以根據(jù)開放程度強弱和數(shù)據(jù)質量高低將語料數(shù)據(jù)生態(tài)機構分出四類供方。

    上海數(shù)據(jù)交易所語料庫為這四類供方制定差異化工作策略。湯奇峰建議可以從政府引導市場主導、豐富種類提高質量、統(tǒng)一標準規(guī)范建設、加強監(jiān)管保障安全、加強監(jiān)管保障安全四個方向建設大模型時代下的語料庫。

    湯奇峰指出，針對數(shù)據(jù)質量高但開放程度低的供方，可以通過數(shù)據(jù)交易鏈有效破解語料數(shù)據(jù)流通的信任問題，“核心之一在于產(chǎn)權和參與大模型后的收益分配問題。”

    此外，上海數(shù)據(jù)交易所語料庫還將提供特色標簽服務體系、挖掘應用場景價值、驅動稀缺數(shù)據(jù)開放流通以提高該類供方開放數(shù)據(jù)積極性。

    針對開放程度高但數(shù)據(jù)質量低的機構，上海數(shù)交所語料庫則通過搭建專業(yè)化數(shù)商服務渠道提高數(shù)據(jù)質量。

    湯奇峰介紹，上海數(shù)交所在建設語料庫時考慮的兩個維度與數(shù)交所對企業(yè)數(shù)據(jù)發(fā)展進程四個階段的觀察密切相關。對于這四個階段，湯奇峰解釋，第一個階段是企業(yè)數(shù)據(jù)自產(chǎn)自用階段。隨著企業(yè)數(shù)據(jù)的內部供給有限時，企業(yè)數(shù)據(jù)需求逐步轉向外部，進入到第二階段，在該階段，大平臺和大企業(yè)通過資本紐帶在體系內部形成數(shù)據(jù)流通。到了第三個階段，企業(yè)累積的數(shù)據(jù)將開放給整個行業(yè)，產(chǎn)業(yè)內形成標準。第四個階段，數(shù)據(jù)使用在資產(chǎn)化過程中會產(chǎn)生新的更高階業(yè)態(tài)。

    湯奇峰說：“語料庫采購已經(jīng)在不少大模型企業(yè)成本中占據(jù)重要比重，上海數(shù)交所希望以市場配置的方式組織數(shù)據(jù)要素推動語料庫建設。”

    據(jù)悉，上海數(shù)交所官網(wǎng)已經(jīng)于7月7日正式上線語料庫，累計掛牌近30個語料數(shù)據(jù)產(chǎn)品，包含文本、音頻、圖像等多模態(tài)，覆蓋金融、交通運輸和醫(yī)療等領域。

（編輯 李波）