智源研究院发布开源中文互联网语料库CCI 4.0
创始人
2025-05-08 22:44:12
北京商报讯（记者 魏蔚）5月8日，北京商报记者获悉，智源研究院近日在GOSIM全球开源创新论坛上发布大型开源文本数据集CCI 4.0。据了解，CCI 4.0兼顾多样性与高质量，从单一语言数据集扩展为多语种数据集。本次发布包括了中、英语两种语言，并将在随后的发布中，开源更多语言的版本。此外，CCI 4.0首次采用CoT方法进行推理轨迹数据合成，以提升预训练模型的基础推理能力。CCI 4.0数据集由智源研究院牵头，联合包括阿里云、上海人工智能实验室、华为、出门问问、金山办公、昆仑万维、面壁智能、奇虎科技、美团、稀宇科技、月之暗面、紫东太初、中科闻歌、科大讯飞等多个机构共同贡献。