语料
中文互联网语料 AI 资源平台发布：27 个数据集、总量 2.7T
中国网络空间安全协会于 1 月 9 日发布公告，面向社会发布中文互联网语料资源平台，支持行业领域、内容模态、体量规模等多种标签分类，便于用户下载与使用。
B站开源轻量级 Index-1.9B 系列模型：2.8T 训练数据，支持角色扮演
B站昨日开源了轻量级 Index-1.9B 系列模型，包含基座模型、对照组、对话模型、角色扮演模型等多个版本。IT之家附官方简介：Index-1.9B base ： 基座模型，具有 19 亿非词嵌入参数量，在 2.8T 中英文为主的语料上预训练，多个评测基准上与同级别模型比处于领先。Index-1.9B pure ： 基座模型的对照组，与 base 具有相同的参数和训练策略，不同之处在于严格过滤了该版本语料中所有指令相关的数据，以此来验证指令对 benchmark 的影响。Index-1.9B chat ：基于 i
探索大语言模型垂直化训练技术和应用-陈运文
内容来源：ChatGPT 及大模型专题研讨会 分享嘉宾：达观数据董事长兼CEO 陈运文博士分享主题：《探索大语言模型垂直化训练技术和应用》 转载自CSDN稿件本文整理自 3月11日 《ChatGPT 及大规模专题研讨会》上，达观数据董事长兼CEO 陈运文博士关于《探索大语言模型垂直化训练技术和应用》的分享，将介绍达观数据在大语言模型应用中的探索与思考。此次分享的主要内容分为 6 块，分别是：参数规模和数据规模的探索垂直领域适应预训练微调技术探索提示工程和垂直优化模型训练加速思路模型功能的垂直效能增强在探索大语言模型
- 1