9月18日，在昆明举行的2025年国家网络安全宣传周人工智能安全治理分论坛上，中文互联网基础语料3.0正式发布。这一新版本的数据量达到了惊人的120GB，旨在为大模型训练和人工智能的进一步发展提供可靠的数据支持。
中文互联网基础语料3.0的发布，是在中央网信办的指导下，由中国网络空间安全协会与国家互联网应急中心等单位协同合作的成果。此次语料的开发与构建，得益于企业、高校和科研单位之间的紧密合作，充分利用了网安协会人工智能安全治理专委会建立的语料共建共享机制。与前两版相比，3.0版本在信源范围上进行了扩大，进一步提升了数据的质量。
图源备注：图片由AI生成，图片授权服务商Midjourney
在数据处理方面，语料3.0经过了严格的信源筛选、内容过滤和数据去重等一系列细致的加工处理措施。这些措施确保了发布的数据更加可信，有助于过滤掉违法和不良信息，为人工智能的研究和应用提供一个更为健康的环境。
用户可以通过登录中国网络空间安全协会网站，点击 “中文互联网语料资源平台” 链接，注册并认证后下载相关语料。该负责人表示，中文互联网基础语料3.0的推出标志着各界对高质量中文语料的共同努力与成果，未来还将继续加强中文互联网基础语料的建设，以支撑人工智能技术的创新与产业发展。
中文互联网基础语料3.0的发布，无疑为人工智能的发展注入了新的动力，也为相关领域的研究提供了更为坚实的基础。
