A plataforma de mídia social americana Reddit chegou a um acordo com o Google, no valor de aproximadamente US$ 60 milhões por ano; O grupo editorial Springer Nature e a OpenAI se uniram para se tornar o primeiro grupo editorial a integrar profundamente o jornalismo e a inteligência artificial; O acordo de cooperação entre a OpenAI e a Axel Springer indica que os provedores de dados podem ser pagos no futuro pelo treinamento de grandes modelos; Empresas do setor editorial possuem vastos recursos de texto e imagem digitalizados, que podem se tornar conjuntos de dados importantes para o treinamento de grandes modelos.

O Instituto Baidu lançou o maior conjunto de dados de treinamento de modelos vetoriais semânticos chinês-inglês do mundo, o MTP, com um tamanho de dados de 300 milhões de pares. O MTP é o maior conjunto de dados de pares de texto relacionados chinês-inglês de código aberto, fornecendo uma base importante para o treinamento de modelos vetoriais semânticos. O conjunto de dados contém pares de texto chinês-inglês de várias fontes, abrangendo vários tipos, como perguntas e respostas, comentários e notícias. O Instituto Baidu afirmou que os dados desempenham um papel crucial no treinamento de grandes modelos e impulsionarão a inovação colaborativa em inteligência artificial. O lançamento deste conjunto de dados deverá resolver o problema do treinamento de modelos em chinês.