O Laboratório de IA de Xangai e a Aliança de Dados de Corpus lançaram em conjunto o conjunto de dados de pré-treinamento multimodal "Shusheng · Wànjuǎn" 1.0 de código aberto, incluindo conjuntos de dados de texto, texto e imagem e vídeo, com um total de mais de 2 TB. Este corpus foi cuidadosamente limpo e desduplicado, apresentando as características de fusão multifacetada, processamento refinado e alta eficiência e facilidade de uso. O lançamento do corpus de código aberto ajudará a promover a aplicação e inovação de grandes modelos e reduzirá a barreira de entrada para a tecnologia de grandes modelos.