2024北京文化フォーラムにおいて、北京智源人工知能研究院（BAAI）は、新世代の中文インターネットコーパスCCI3.0（Chinese Corpora Internet）の正式発表を行いました。データの共同構築と共有を促進します。CCI3.0は1000GBのデータセットと498GBの高品質サブセットCCI3.0-HQを含み、2023年11月のCCI1.0の最初のオープンソース化、2024年4月のCCI2.0発表に続く重要なアップデートとなります。

智源研究院は、拓爾思、中科聞歌と共同で「中文インターネットコーパス」(CCI)を構築しました。このコーパスは厳格な選別とクレンジングを経ており、データ規模は104GB、期間は2001年から2023年です。智源研究院は今後もデータソースの拡大、データ処理プロセスの改善を行い、より高品質で信頼性の高いデータ資源を提供していきます。智源研究院は、WUDAOコーパス、COIG、MTPなど、その他にも高品質な中文データセットを公開しています。この取り組みは、ビッグデータと人工知能業界への貢献を目指しています。