专家说：关于面向人工智能应用需求丰富行业高质量数据集建设形态的若干建议图片上海荟宸信科，数字中国的实践者；数字化转型的引领者；数据资产估值的领跑者。依托荟宸 “数价锚钉” 数据资产估值 AI 模型，为企业提供资产评估、入表、交易、质押、ABS 全流程服务。详情点击：“数价锚钉”数据资产估值AI模型获得的荣誉及资质专家说：关于面向人工智能应用需求丰富行业高质量数据集建设形态的若干建议一、引言《关于推进行业高质量数据集建设行动的实施方案》第三条立足人工智能全链条研发与前沿技术演进规律，系统划定多层次、多品类、面向全技术阶段的数据集建设布局，构建覆盖基础多模态、知识逻辑、智能体交互、具身物理、世界模型前沿五大类完整数据集形态体系。文件明确四大核心建设任务：全面铺开文本、代码、图像、音频、视频、点云、时序、科学数据全品类多模态数据集建设，完整支撑大模型预训练、指令微调、强化学习、性能测评全研发阶段；深耕知识库、知识图谱、本体等结构化知识类数据集，补齐复杂任务规划、长程逻辑推理、人机交互、决策执行类数据供给短板，为自主智能体落地提供知识底座；加快工业机器人、自动驾驶、服务机器人等场景真机感知、运动控制、物理交互数据集采集，依托仿真模拟、合成数据技术大幅扩充稀缺交互样本，赋能具身智能规模化训练；前瞻布局适配世界模型前沿技术的时空、物理、动态演化类数据集，抢占下一代通用人工智能数据资源制高点。当前本地 AI 产业加速从通用大模型向行业垂直模型、自主智能体、具身机器人、世界模型迭代，但数据集建设形态存在明显滞后、结构失衡问题。一是多模态数据集品类覆盖不全，代码、科学数据、3D 点云等高价值模态产能不足，模态间语义对齐精度偏低，难以支撑全流程模型研发；二是知识类、推理类数据集供给薄弱，行业本体、因果逻辑、长链条决策样本稀缺，智能体普遍存在推理断裂、专业判断失真问题；三是物理交互真机采集成本高、长尾极端场景样本稀缺，单纯依靠线下采集难以覆盖全部工况，仿真合成数据标准化、物理真实性校验机制缺失；四是世界模型配套数据集布局空白，时空动态、环境演化、动作 - 反馈闭环类数据储备不足，前沿技术研发缺少本土行业数据支撑；五是各类数据集建设缺少分形态标准化指引，采集、标注、质检、存储、复用流程不统一，不同形态数据难以互通融合，制约多技术路线协同创新。
发布于 上海
分享
评论
1
未登录
友善发言
评论
加载中
