近日，國家數據局官網發布了《高質量數據集典型案例名單》，總共包含“具有推廣示范價值的104個典型案例”，其中涵蓋醫療衛生、智能能源、文化旅游等重點領域，以及具身智能、低空經濟、生物制造等創新領域。（文末附《人工智能高質量數據集建設指南》下載鏈接）
高質量數據集典型案例名單
104個高質量數據集典型案例名單.pdf
中國信通院聯合清華大學、中國人工智能產業發展聯盟數據委員會發布《人工智能高質量數據集建設指南》，旨在為業界建設高質量數據集提供有實操價值的指導和參考。
該指南從政策、技術、產業三個維度深入剖析了高質量數據集建設的背景，系統梳理了高質量數據集的定義、特征、分類、建設主體以及面臨的“三大建設難點”。在此基礎上，提出了人工智能數據工程的“五大核心要素”，并制定了企業建設高質量數據集的“三步走”戰略。同時，對高質量數據集建設的核心技術進行了深入分析，并通過科學、通信、交通、鐵塔、醫療、文化等多個領域的實踐案例展示了高質量數據集建設的成效。最后，從工程能力、技術創新、質量評估、版權合規、基礎制度創新等方面對高質量數據集建設的未來趨勢進行了展望，并向政府部門和企業機構提出了相關建議，為推動高質量數據集建設提供了有力的支撐。
報告主要內容
1. 高質量數據集的定義與頂層設計。高質量數據集是指用于訓練、驗證和優化人工智能大模型而收集、整理、標注形成的覆蓋行業核心專業知識和生產經營活動信息的數據資源集合。國家部委、地方政府加力出臺人工智能和數據要素相關政策，通過試點示范、工程項目、資金補貼等多種形式推動高質量數據集的建設、流通和開發應用。
2. 高質量數據集的特征與挑戰。高質量數據集具有高價值應用、高知識密度、高技術含量的“三高”特征。當前，高質量數據集建設正處于探索階段，主要面臨目標定位模糊、實施路徑碎片化與技術底座薄弱三重挑戰。
3. 人工智能數據工程的核心要素。面向人工智能的數據工程核心旨在提升模型數據集管理與運營效率、提升數據集質量和數量、充分挖掘數據資源價值、保障模型數據安全可信，涵蓋管理體系、開發維護、質量控制、資源運營、合規可信等五大核心要素（參考行業標準《大模型數據集開發管理能力分級及評估方法》），涵蓋5個一級能力、21個二級能力和253項能力子項。
來源：中國信通院
4. 高質量數據集建設“三步走”戰略。首先，開展數據集體系規劃，構建高質量數據集認知框架。其次，推動數據集工程建設，打造高質量數據集認知框架。最后，強化數據集質量檢測，建立高質量數據集全流程管控機制。
來源：中國信通院
5. 高質量數據集的建設流程。高質量數據集建設需經歷數據設計和采集、治理、標注、質檢、運營等流程類似石油“煉化”過程中的勘采、粗煉、精煉、質檢、運營等流程，推動原始數據資源邁向智能應用。
6. 對高質量數據集建設的展望。隨著人工智能大模型應用從初步探索邁向更為復雜、智能的高階階段，對高質量數據集的規模、多樣性、時效性以及處理速度的要求將會快速增長。展望未來，數據集工程、技術創新、質量評估、版權合規以及基礎制度建設是推進人工智能高質量數據集建設的關鍵。
報告目錄
（部分內容來源網絡，如有侵權請聯系刪除）
