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
