MNBVC (Massive Never-ending BT Vast Chinese corpus) est un projet visant à fournir aux IA un corpus riche en données textuelles chinoises. Il inclut non seulement des contenus culturels mainstream, mais aussi des contenus de niche et du langage internet. Le jeu de données comprend des textes de diverses formes : actualités, compositions, romans, livres, magazines, articles scientifiques, dialogues, publications, articles Wikipédia, poésie classique, paroles de chansons, descriptions de produits, blagues, anecdotes, conversations, etc., le tout sous forme de texte brut en chinois.