中文互联网基础语料3.0发布：120GB助力大模型训练与AI发展

9月18日上午消息，在昆明市举办的2025年国家网络安全宣传周人工智能安全治理分论坛上，备受关注的中文互联网基础语料3.0版本正式对外发布。

在国家相关监管部门的指导下，中国网络空间安全协会联合国家互联网应急中心等机构，在此前推出中文互联网基础语料1.0和2.0版本的基础上，充分发挥企业、高校及科研单位的协同作用。依托人工智能安全治理专业委员会建立的数据共享机制，整合了一批高质量且可信赖的新数据资源，并通过信源筛选、内容过滤、数据去重等一系列严格的处理流程，最终完成了中文互联网基础语料3.0的建设工作并正式向社会公布。此次发布的语料库在多个方面实现了重要突破：首先，显著扩大了优质中文网站的数据来源；其次，强化了对违法和不良信息的过滤机制；第三，数据总量达到120GB。有需求的用户可通过访问中国网络空间安全协会官网（https://www.cybersac.cn/newhome），点击”中文互联网语料资源平台”链接，并按照注册、认证等流程操作，即可下载所需语料。

据中国网络空间安全协会负责人介绍，中文互联网基础语料3.0的发布标志着多方协作共建高质量中文语料库取得了新的重要进展，进一步充实了优质中文语料资源的储备。未来，网安协会将与国家互联网应急中心等单位继续深化合作，在各行业领域共同努力下，持续推进中文互联网基础语料的建设工作，为推动人工智能技术的创新发展和产业进步提供更坚实的数据支撑。