Se lanza el corpus de internet chino 4.0: 120 gb de datos para el entrenamiento de modelos grandes y el desarrollo de la IA

El 15 de septiembre de 2026, el Corpus de Internet Chino 4.0 se lanzó oficialmente en el Foro Nacional de Gobernanza de la Seguridad Cibernética de Inteligencia Artificial de 2026 en Jinan. El conjunto de datos, que totaliza 120 GB, ahora está disponible en la 'Plataforma de Recursos del Corpus de Internet Chino'. La iniciativa, liderada por la Asociación de Ciberseguridad de China bajo la dirección de la Administración Central de Ciberespacio de China, involucró la colaboración con importantes empresas como Baidu, Kuaishou e iFlytek. El corpus se desarrolló a través de un mecanismo de datos compartidos y un riguroso procesamiento para garantizar la calidad y la fiabilidad. Un representante de la Asociación de Ciberseguridad de China destacó que este lanzamiento marca un hito significativo en el esfuerzo colaborativo para construir recursos lingüísticos chinos de alta calidad, fortaleciendo aún más la base de datos para el desarrollo de la IA.