2026年7月10日,贵州数据集(语料)服务平台正式上线运行。平台由贵州省大数据发展管理局指导、贵州大数据集团建设运营,集“语料超市、语料加工厂、语料生态枢纽”三大功能于一体,旨在为大模型训练和行业人工智能应用提供合规、可靠、可溯源的高质量数据资源。
截至目前,平台已上架118个高质量数据集,覆盖政务与公共服务、少数民族特色、山地气象、智慧三农、医疗与生命科学、文化教育、智慧司法等十余个核心领域,吸引240余家生态伙伴入驻共建。平台总数据规模突破700TB,形成了从公共数据到特色行业数据的多层次语料资源体系。
平台立足贵州地域特色与产业优势,重点打造公共数据、产业数据、科研数据三大维度行业数据矩阵,适配不同领域大模型业务落地需求:
政务与公共服务
整合政务热线、民生服务、城市治理、政策法规等数据资产,包括521万余条民生服务热线知识库、1042万余条智慧城市运行事件数据,以及数十亿级用户服务行为日志,配套政务服务目录、意图识别、风险拦截等专项指令数据集,可支撑政务智能问答、城市运行分析等场景。
少数民族特色
建设国内稀缺的多民族语言数据体系,覆盖侗语、苗语、水语、布依语等本土语种,包含文本语料、无标注音频、汉民平行句对、国际音标对齐语料等多种形态,服务于民族语言大模型训练及文化数字化传承。
股票配资证券入口
山地气象
依托西南喀斯特山地气象特征,提供10个山地气象服务数据集,涵盖气温、降水、灾害预警等指标,仅风云系列卫星遥感图像数据量已超过9TB,可用于山地短临预报、山火监测、地质灾害预警及农业气象保险等场景。
智能工业
聚焦煤矿生产场景,构建覆盖采掘、运输、通风等全环节的工业数据体系,包括井下人员定位、环境监测、视频影像、设备运行等多类资源,配套标准化治理规范,可支撑矿山安全预警、隐患智能识别、设备运维优化等应用。
智慧三农
元股证券:ygzq.hk打造全链条农业数据体系,提供300余类植物健康与病害状态数据、29万余张标注图像、数千组多任务分割样本,配套病害知识图谱、农药登记数据库,同步提供贵州特色农产品电商运营数据,可服务于智能植保、精准施药、农产品电商运营等场景。
医疗与生命科学
整合临床诊疗、医学影像、医药零售、医保风控等数据,包括3.5万份全科临床病历、5TB对齐医学影像、8000份肿瘤专科病例、113GB康复训练数据,所有临床数据均已完成脱敏处理,可赋能医学辅助诊断、疾病预警、医保风控等场景。
文化教育
覆盖基础教育、高等教育、学术科研、文化遗产等领域,提供超100万册数字图书馆馆藏、1.6亿条全学科题库、数十种核心期刊文献、40GB文化遗产专业文献及近3万张文物影像,适配教育大模型训练、内容智能生成、文化遗产数字化传播等场景。
智慧司法
构建全要素司法数据体系,提供2000万条结构化裁判文书样本、29万部现行法律法规、40万条司法案例等资源,可支撑法律大模型微调、类案智能检索、合同智能审查、司法问答系统等应用。
智慧交通
围绕城市静态交通场景,提供封闭停车场运营、路侧停车图像等数据,包含车辆进出记录、支付流水、场景影像等信息,构建全域停车资源数字底座,支撑停车智能调度、泊位导航、动态定价、交通流量分析等场景。
此外,平台还包含月球与行星科学问答对、人口迁徙、全球海关数据、主流价值观问答对等特色稀缺资源,欢迎登录平台【语料市场】板块浏览详情。
在数据形态方面,平台提供文本、结构化表格、图像、音频、视频及多模态融合六大类语料,覆盖行业知识库、指令数据集、问答对、标准化表格、标注图像、民族语言语音、真实场景视频及跨模态对齐数据等,可灵活适配大模型预训练、指令微调、RAG知识库搭建、计算机视觉、语音识别、多模态研究等多种技术需求。
未来,平台将持续扩充数据资源品类,严格把控数据集质量,聚焦产业真实需求迭代高价值数据集。我们期待与各行业伙伴携手,共同汇聚优质数据资源,以高质量数据集驱动行业场景落地,推动数据价值充分释放,助力贵州数据资源优势转化为产业发展胜势。
欢迎访问贵州数据集(语料)服务平台https://corpus.gzdata.com.cn。
来源：贵州省大数据发展管理局门户网站
证配网提示：本文来自互联网，不代表本网站观点。
