NLP研究

智源研究院主导建设的CCI中文互联网语料库，是中文领域极具影响力的开源语料库，最新版本CCI 4.0数据总量达35TB，包含中英双语数据集与425B token的CoT推理合成数据，累计支持了全国500余家企事业单位开展大模型研发工作，能够为AI领域从业者提供高质量的训练数据支撑。