Le laboratoire IA de Shanghai et la ligue des données de corpus ont publié en open source le corpus de pré-entraînement multi-modal « Shusheng · Wanjuan » 1.0, comprenant des ensembles de données textuelles, textuelles et visuelles et vidéo, pour un total de plus de 2 To. Ce corpus a été nettoyé et dédoublé de manière granulaire ; il se caractérise par sa fusion multiforme, son traitement précis et son efficacité. La publication de ce corpus open source contribuera à promouvoir les applications et l'innovation en matière de grands modèles, et à réduire le seuil d'accès à cette technologie.