智源研究院发布中文互联网语料库 CCI3.0-低调大师

智源研究院发布中文互联网语料库 CCI3.0

2024-09-26 273

近日，智源研究院正式发布中文互联网语料库 CCI 3.0 (Chinese Corpora Internet，简称 CCI)，包括 1000GB 的数据集以及 498GB 的高质量子集 CCI 3.0-HQ。

智源研究院于 2023 年 11 月首次开源 CCI 1.0，并在 2024 年 4 月发布 CCI 2.0。目前，CCI 系列数据集下载量已超过 4 万次，服务 500 多个企事业单位的大模型研发，助力高质量中文语料和训练数据建设，支撑中国人工智能产业生态发展。

CCI 3.0下载地址

Flopsera：http://open.flopsera.com/flopsera-open/data-details/BAAI-CCI3
Huggingface：https://huggingface.co/datasets/BAAI/CCI3-Data
Datahub：https://data.baai.ac.cn/details/BAAI-CCI3

据介绍，CCI 3.0收录超过2.68亿个网页，涵盖新闻、社交媒体、博客等多个领域。CCI 3.0的数据规模相较于CCI 2.0扩大近一倍，数据来源机构扩展至20多家，显著提升数据覆盖面和代表性。

CCI 3.0对原始数据进行了覆盖语法、句法、教育程度等10多个维度的细粒度分类和详细标记，以筛选高价值数据，为企业定制个性化训练数据提供可能性。

CCI 3.0 HQ是基于70B模型自动标注样本，然后训练小尺寸质量模型进行优中选优得到的高质量子集，可更好地满足不同行业和应用场景的需求。

此外，同一500M模型基于不同的数据集从零开始训练100B数据对比实验表明，CCI 3.0在单独中文语料训练和中英文语料混合训练的效果上优于其他数据集，而CCI 3.0 HQ的效果更加突出。

模型训练效果对比

微信关注我们

原文链接：https://www.oschina.net/news/313593

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

JavaScript 作为一门开放语言，怎么就成了 Oracle 的商标了？

原文链接：https://lakin-mohapatra.medium.com/oracle-owns-javascript-cf8eeb90fa9b 原文标题：Oracle owns JavaScript! 如果你好奇过为什么在公司名称、会议或官方品牌中看不到“JavaScript”一词，答案是出乎意料的：Oracle 拥有“JavaScript”名称的商标。虽然对于一种如此普遍知名和使用的语言来说，这听起来可能很奇怪，但事实是，它具有法律影响，并为 JavaScript 社区带来了挑战。在这篇博文中，我们将探讨 Oracle 为何拥有该商标、这对开发人员意味着什么，以及为何存在这个法律框架。 Oracle 是如何获得 JavaScript 商标的？要了解 Oracle 为何拥有“ JavaScript ”这一名称的商标，我们需要追溯到 2009 年，当时Oracle 收购了Sun Microsystems。Sun Microsystems是 Java 编程语言的最初创建者，他们还拥有“ JavaScript ”这一名称的所有权，该名称由Brendan Eich于 90 年代中期...

2024-09-26

276

多媒体播放器 Winamp 兑现了在今年 5 月份的承诺，于近日正式在 GitHub 上发布了其Windows 端的源代码，允许开发人员改进和更新播放器以满足当前用户的需求。 “Winamp 将开放其代码供 Windows 播放器使用，让整个社区都能参与其开发......Winamp 已不仅仅是一个音乐播放器。它体现了独特的数字文化、美学和用户体验。通过开源的这一举措，Winamp 正在迈出其历史的下一步，让其用户直接为改进产品做出贡献。” Winamp 是 Nullsoft 于 1997 年开发推出的一款多媒体播放器，以其灵活性和对音频格式的广泛兼容性而闻名，至今仍拥有数百万用户。Nullsoft 被 AOL 收购后，其发展放缓，并于 2013 年停止运营。2014 年，新东家 Radionomy 接手该项目。值得注意的是，Winamp 采用的 Winamp Collaborative License（WCL）Version 1.0 协议。在该协议下，开发者可以自由使用、修改和研究软件，但对修改的分发有一定的限制。协议内容的第 5 点“限制”指出：不得分发修改版本：不得分发该软件...

2024-09-26

323

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。