景联文科技高质量大模型训练数据汇总！
3月25日，2024年中国发展高层论坛年会上，国家数据局局长刘烈宏在“释放数据要素价值，助力可持续发展”的演讲中表示，中国10亿参数规模以上的大模型数量已超100个。
当前，国内AI大模型发展仍面临诸多困境。其中，较为突出的就是高质量数据集的匮乏，这极大阻碍了大模型效果提升。特别是专业的行业应用数据集，其获取难度更大，这导致大模型可使用的数据量受到限制，进而对大模型效果形成阻碍。
景联文科技是大语言模型数据供应商，致力于为不同阶段的模型算法匹配高质量数据资源。
世界知识类书籍、期刊、论文及高价值社区文本数据：
l 中文书籍 250W本
l 高质量外文文献期刊 8500W篇
l 英文高质量电子书 200W本
教育题库：
l K12教育题库 1800万
l 大学题库 1.1亿,800万带解析
l 英文题库 500W
专业知识类期刊、专利、代码：
l 中文数字专利 4000万
l 程序代码（代码注释） 20万
多轮对话：
l 文本多轮对话 1500万
l 中英文剧本（电影、电视剧、剧本杀） 6万
音频数据：
l 普通话 65W小时
图片生成及隐式/显示推理多模态数据：
l 图文复杂描述 600万
l 图文推理问答对 600万
生物数据：
l 核酸库 4000W
l 蛋白库 50W
l 蛋白结构库 19W
l 通路库 1000W
l 生信工具
药学数据：
l 药物研发数据库 1300万
l 全球上市数据库 80万
l 一致性评价数据库 25万
l 生产检验数据库 40万
l 合理用药 300万
l 多维文献 1亿
l 原料药数据库 1100万
化学数据：
l 化合物数据库 1.6亿
l 反应信息数据库 4100万
l 物化性质数据库 1.6亿
l 谱图数据库 20万
l 晶体信息数据库 100万
l 安全信息数据库 180万
l 商品信息数据库 740万
材料数据：
l 金属材料数据 20万
l 纳米材料数据 30万
l 相图数据 6万
l 材料性能数据 20万
l 材料腐蚀数据
l 表面处理数据
l 焊接材料数据
专利数据：
l 全球专利基础著录数据 1.3亿
l 全球专利原文数据 1亿
l 全球专利附图数据
l 全球专利法律状态数据
l 全球专利法律状态数据
l 全球专利引文数据
l 全球专利分类索引数据
l 全球专利重点申请人工商关联数据
l 全球生化医药专利深加工数据
l 全球专利全文数据
医疗器械数据：
l 国内政策法规数据 3k条
l 行业标准数据
l 中国医疗器械审评数据 20W条
l 中国医械临床试验数据 5K条
l 全球医械临床试验数据 7W
l 医用耗材中标数据 1400W
l 医用耗材带量采购数据 400W
l 医用设备招投标数据38W
同时景联文科技提供大模型训练数据的标注服务，致力于为全球数千家人工智能从业公司和高校科研机构交付海量、高质量的多模态大模型训练数据。
景联文科技｜数据采集｜数据标注｜大语言模型训练数据
助力人工智能技术，赋能传统产业智能转型升级
文章图文著作权归景联文科技所有，商业转载请联系景联文科技获得授权，非商业转载请注明出处。