新闻
报料热线：81850000
记者从国家数据局获悉：中文数据在国内大模型的训练性能提升方面发挥着重要作用。国内多数模型训练使用的中文数据占比已经超过60%，有的模型达到80%。中文高质量数据的开发和供给能力持续增强，推动我国人工智能模型性能快速提升。
在人工智能时代，Token（通常所说的词元）是处理文本的最小数据单元。国家数据局局长刘烈宏介绍，2024年初，我国日均Token的消耗量为1000亿，截至今年6月底，日均Token消耗量已经突破30万亿，1年半时间增长了300多倍，反映了我国人工智能应用规模的快速增长。
编辑： 杜寅纠错：171964650@qq.com
中国宁波网手机版
微信公众号
甬派客户端
市级重大新闻宣传服务平台
扫码下载
中国宁波网（宁波甬派传媒股份有限公司）版权所有(C)
Copyright(C) 2001-2025 cnnb.com.cn All Rights Reserved
互联网新闻信息服务许可证：3312017004 信息网络传播视听节目许可证：1104076
违法和不良信息举报电话：0574-81850000 举报邮箱：nb81850@qq.com
国内多数模型训练使用中文数据占比超60%
稿源： 人民日报 2025-08-19 07:29:39
记者从国家数据局获悉：中文数据在国内大模型的训练性能提升方面发挥着重要作用。国内多数模型训练使用的中文数据占比已经超过60%，有的模型达到80%。中文高质量数据的开发和供给能力持续增强，推动我国人工智能模型性能快速提升。
在人工智能时代，Token（通常所说的词元）是处理文本的最小数据单元。国家数据局局长刘烈宏介绍，2024年初，我国日均Token的消耗量为1000亿，截至今年6月底，日均Token消耗量已经突破30万亿，1年半时间增长了300多倍，反映了我国人工智能应用规模的快速增长。
编辑： 杜寅
