IXThinker·2025-05-10 14:20

智源發布開源語料庫CCI 4.0 擴至中英雙語

智源研究院於5月6日在巴黎舉行的GOSIM全球開源創新論壇上，發布大型開源文本數據集CCI 4.0，由單一語言擴展為多語種數據集，並首次引入推理軌跡數據合成，為全球大模型創新提供開源資源。

數據集升級

CCI 4.0兼顧多樣性與高質量，從單一語言數據集擴展為多語種數據集，本次發布包含中、英語兩種語言，後續發布將開源更多語言版本，讓不同語言社區的模型訓練都能受益於高質量語料。