展望未来，合合信息将继续紧跟市场动态，加大研发投入，不断优化和升级TextIn智能文档处理平台。凭借其领先的技术和优质的服务，合合信息将在大模型语料库建设领域继续发挥引领作用，为各行业的智能化发展提供强大的支持，推动人工智能技术在全球范围内的广泛应用。

据人工智能研究人员小组Epoch研究估计，机器学习数据集可能会在2026年前耗尽所有“高质量语言数据”。以中文语料为例，其在全球通用的大模型数据训练集中占比仅为1.3%，数量和质量都存在不足。同时，文档的复杂版面结构也制约了大模型的训练语料处理能力。

近期，上海人工智能实验室联合上海交通大学、浙江大学、复旦大学团队，发布了首个大规模多模态结构化科学文献基准数据集 DocGenome。 与此同时，结构化的科学文献记录了研究成果和人类知识，构成了高质量数据的庞大语料库，为自动化多模态科学文档理解与 ...

高质量、大规模、安全可信的语料数据资源是AI时代的重要基石。高质量语料数据如何高效供给赋能大模型产业发展？ 7月6日上午，2024世界人工智能 ...

近日，在2024年世界人工智能大会(WAIC)上，合合信息推出TextIn智能文档处理平台，这一创新举措不仅旨在解决当前大模型训练面临的数据局限与质量问题，特别是针对中文语料稀缺和复杂文档解析 ...

人民网上海7月6日电 (记者唐小丽)高质量、大规模、安全可信的语料数据资源是AI时代的重要基石。7月6日上午，2024世界人工智能大会语料主题论坛在 ...

近日，合合信息在WAIC 2024上发布了用于大模型语料训练的“加速器”产品——TextIn智能文档处理平台。合合信息的思路是，从“炼丹”源头的燃料出发，通过标准化平台进行语料结构化，提高数据预训练效率，帮助大模型厂商达成有效的模型性能提升和迭代。

该研究提出了一种估计大型语料库中被AI修改或生成的文本比例的有效方法，并通过对AI会议和期刊评论的研究，揭示了ChatGPT对科学出版的潜在影响。尽管研究存在一定局限性，但为社会分析提供了有价值的视角，希望能促进关于LLM在信息生态系统中使用程度和影 ...

南方财经9月13日电，上海市人民政府办公厅近日印发《上海高质量推进全球金融科技中心建设行动方案》。其中提到，推动金融领域算力、语料、区块链等基础设施建设。鼓励金融基础设施、金融机构、金融科技企业等积极参与上海市人工智能公共算力服务平台建设，充分利用平台基础设施资源，合理部署算力。依托上海大模型语料数据联盟等开展多元合作，打造上海大模型金融语料数据库，实现金融语料数据高质量供给，推动金融垂类大模型创 ...

天山网-新疆日报讯（记者刘翔报道）9月22日，以“加大推普力度，筑牢强国语言基石”为主题的第27届全国推广普通话宣传周重点活动在新疆喀什举办。自治区党委书记、兵团党委第一书记、第一政委马兴瑞出席活动。教育部党组书记、部长，全国推普周领导小组组长怀进鹏 ...

光明日报喀什9月22日电（记者赵明昊、靳昊、孙金行） 以“加大推普力度，筑牢强国语言基石”为主题的第27届全国推广普通话宣传周重点活动22日在新疆喀什举办。

论坛期间，“新华AIGC应用使能平台”及基于平台打造的重磅产品“多模态出版语料生产与智慧服务系统”正式发布。 新华网副总裁张芮宁发布“新华AIGC应用使能平台” 新华AIGC应用使 ...