新闻中心

首页 关于我们

新闻中心

Llama 2全球合作伙伴海天瑞声发布超大规模中文对话数据集DOTS-NLP-216
发布时间:2023/07/28
返回列表

在过去六个月中,生成式人工智能呈爆炸式增长趋势,人工智能技术在商业和科技领域的重要性不断上升,国内外企业都在争相发布自研大模型。

上周,Llama 2 发布的消息更是在AI圈引起了巨大轰动。在 Llama 2 官网公布的50余家合作伙伴中,海天瑞声作为唯一中国公司*榜上有名,成为 Llama 2 全球合作伙伴,以高质量数据为大模型赋能。

*来源: https://ai. .com/llama/#partnerships

同时,海天瑞声COO李科及CTO黄宇凯作为 Supporter,支持 AI 的这种开源行为,可以让每个人都能从这个技术中受益良多,并为技术带来足够的透明度、审慎性和可信性。

 

来源: https://about.fb.com/news/2023/07/llama-2-statement-of-support/

 

据公开资料显示,Llama 2在数据层面,相比上一代不仅使用了更多的训练数据,而且context length翻倍,达到4096。

值得一提的是,Llama 2在公开测试基准上的结果显示,其在代码、常识推理、世界知识、阅读理解、数学等评测维度的能力均获得大幅提升。7B版本在很多测试集上接近甚至有超越30B的MPT模型的表现。

当前在中文对话领域,公开的数据集往往量少、分布有偏、价格昂贵甚至不能商用。导致一些大模型在中文对话方面的能力,相比英文对话略逊一筹。尤其是在一些需要比较深的中文语言理解能力的对话场景,无论开源的还是闭源的大模型,都往往表现不佳。

针对以上痛点,海天瑞声正式推出「中文千万轮对话语料库 DOTS-NLP-216」。

真实场景采集,符合中文表达习惯的自然对话数据,将为中文大语言模型(LLM)带来新动能。我们致力于在安全合规的基础上,为大模型提供更好的性能和鲁棒性,帮助企业更轻松的构建高质量生成式AI应用。

 

「中文千万轮对话语料库 DOTS-NLP-216」

详情请点击以下链接查看:https://www.speechocean.com/dataset/c60-9291.htm

010-62660053

contact@speechocean.com

分享到微信朋友圈

打开微信,点击底部的"发现"

使用“扫一扫”即可将网页分享至朋友圈。