国内对话类大模型高度依赖实时网络搜索，底层数据成发展“命门”
来源:
|
作者:AI 生
|
发布时间: 2025-02-07
|
185 次浏览
|
分享到:
据深圳市人工智能产业研究部认为，底层数据集匮乏的现状，正深刻影响着国内对话类大语言模型的发展。当前，国内主流对话类通用预训练大语言模型，在信息获取上高度依赖实时网络搜索。由于同一信息源会在不同网络节点重复出现，模型难以甄别出最优质、最准确的内容，这就导致模型输出结果与实际情况存在较大偏差，实际应用效果大打折扣，更多只能起到简单的辅助作用。
国内通用大模型企业若想实现突破式发展，急需政府提供底层数据支持，并整合各行业的底层数据资源，以此为基础来训练大模型。丰富且高质量的底层数据，是提升模型性能的关键所在，能够帮助模型学习到更全面、更准确的知识，从而在对话交互中给出更具价值、更贴近实际需求的回答，提升国内大模型在全球人工智能领域的竞争力。
