最近，开放源代码倡议组织（OSI）发布了一项新定义，明确什么才算是真正的 “开源” 人工智能。这一新标准引起了科技巨头们的关注，尤其是 Meta 的 Llama 模型，因为它并不符合这些规则。OSI 一直是开放源代码软件的行业标准制定者，但在 AI 系统中，有一些传统许可证未能覆盖的元素，比如模型训练数据。根据 OSI 的新定义，任何被认为是真正开放源代码的 AI 系统必须提供三样东西:首先是有关训练 AI 所用数据的详细信息，以便他人能够理解并重现这些结果;其次是用于构建和运行 AI 的

["美国社交媒体平台Reddit与谷歌达成协议，价值每年约6000万美元","施普林格出版集团与OpenAI合作，成为首家深度整合新闻业与人工智能技术的出版机构","OpenAI与Axel Springer签订合作协议，表明未来大模型训练或将向数据提供方付费","出版行业公司拥有丰富电子化图文资源，有望成为大模型训练重要数据集"]

["智源研究院发布全球最大的中英文语义向量模型训练数据集 MTP，数据规模达 3 亿对。","MTP 是开源的最大规模中英文关联文本对数据集，为训练语义向量模型提供重要基础。","数据集包含来自多个来源的中英文文本对，涵盖问答、评论、新闻等多种类型。","智源研究院表示数据对大模型训练起到至关重要的作用，将推动人工智能协同创新。","该数据集的发布有望解决中文模型训练数据集缺乏的问题。"]