中文互联网基础语料库3.0发布，数据量达120GB重磅更新！

中文互联网基础语料库3.0发布，包含大量文本数据，数据量高达120GB，该语料库为自然语言处理、机器学习等领域的科研人员提供了丰富的中文语言数据资源，有助于推动相关领域的研究进展和技术创新，摘要字数控制在约100-200字左右。

9月18日消息，今日上午，在昆明召开的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正式向社会发布。
在中央网信办相关部门指导下，中国网络空间安全协会会同国家互联网应急中心等单位，在前期发布中文互联网基础语料1.0和2.0的基础上，持续发挥企业、高校和科研单位协同优势，依托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，汇聚一批新的高质量可信数据，经过信源筛选、内容过滤、数据去重等一系列严格细致的数据加工处理措施，形成并对社会发布中文互联网基础语料3.0。本批语料扩大了优质中文网站信源范围，加强了违法不良信息过滤，数据量为120GB，可为大模型训练和人工智能发展提供可信数据支持。用户登录中国网络空间安全协会网站（https://www.cybersac.cn/newhome），点击“中文互联网语料资源平台”链接，通过注册、认证等程序，即可下载相关语料。网安协会负责人表示，中文互联网基础语料3.0是各界协同共建高质量中文语料的又一重要成果，进一步丰富了高质量中文语料的供给。下一步，网安协会将会同国家互联网应急中心等单位，协同各行业领域，持续加强中文互联网基础语料建设，为人工智能技术创新和产业发展提供有力支撑和保障。