为推动高质量行业语料汇聚共建，赋能大模型研发和人工智能技术创新，人民数据现面向社会公开征集多领域合规优质行业语料。本次征集聚焦重点民生行业、新兴智能产业及大模型基础研发场景，归集合法、真实、标准化文本及多模态行业语料，建设高质量行业语料资源库，为大模型研发、行业知识库建设、产业研究等提供核心语料支撑。现将有关征集事项公告如下：

一、征集领域及内容

本次征集涵盖以下七大领域，既包括垂直行业专业语料，也包括跨行业通用基础语料，具体如下：

1.自动驾驶行业语料

2.医疗健康行业语料

3.金融行业语料

4.法律行业语料

5.教育行业语料

6.具身智能/机器人行业语料

7.人工智能基础研发语料（通用基础数据、跨行业共用数据）

二、征集对象

本次征集面向全国范围内各类合法主体开放，包括但不限于企事业单位、科研院所、高等院校、行业协会、第三方数据服务机构、科创企业、文化传媒机构及其他拥有相关合规语料的社会组织与机构。

三、征集要求

1. 合规合法：语料来源合法、采集合规，严格遵守《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《生成式人工智能服务管理暂行办法》等法律法规，严禁提交涉及国家秘密、商业秘密、未经脱敏处理的个人信息、隐私对话以及法律法规禁止提供的内容。需完成去标识化、脱敏、隐私擦除等处理，确保语料权属清晰无纠纷。参与单位须保证语料获取途径合规，不存在未经授权的数据抓取、违规采集用户信息等情形。

2. 真实有效：语料内容客观准确、逻辑通顺，贴合行业真实业务与交互场景，无编造虚构、重复灌水、错误或误导性内容、低俗失实内容，能够反映行业专业表述和业务知识体系。

3. 规范标准：语料格式统一规范（TXT、JSON、CSV、Markdown 等通用文本格式），标注字段完整清晰，分类层级明确；配套完整语料说明文档，包括语料来源、采集时间、文本类型、标注规范、适用场景、更新周期和样本量等信息，方便后续清洗、标注和模型训练使用。

4. 优质创新：优先征集专业度高、场景针对性强的高质量语料，重点吸纳专业知识库、多轮人机对话、行业指令集、推理标注类稀缺语料，可支撑垂直大模型研发、行业智能问答、知识问答机器人研发、产业政策分析的高价值数据集。

四、数据用途

参与单位须同步提交语料授权使用声明，明确授权人民数据在本公告范围内使用，并说明语料权属、是否包含第三方原创内容及对应授权情况。

经审核合格的语料资源，将纳入人民数据行业语料资源库，主要用于行业知识体系建设、垂直大模型训练/微调、智能问答产品研发、行业研究报告编制等。所有入库语料将落实分级分类管控、隐私脱敏、加密存储等安全防护措施。

语料使用以非商业化为优先；如后续用于商业化数据产品或有偿授权合作，将另行与参与单位协商并签订书面协议。

五、征集方式及时间

（一）征集时间：自本公告发布之日起长期公开征集，常态化接收各主体语料提交。

（二）提交材料：参与单位需完整提交三类材料，确保资料齐全、真实合规。一是语料文件及配套说明文档：包括语料总量、文本类型、采集规则、更新周期、权属说明、适用场景和脱敏处理情况等；二是单位基础材料：包含单位简介、主营业务、行业资质、语料资源储备及相关技术能力说明；三是合法资质证明：包含营业执照、行业经营许可、内容处理合规证明、版权授权证明等。

（三）征集渠道：所有材料统一发送至文末指定邮箱，邮件主题统一标注为【XX行业语料提交+单位名称】。

六、其他说明

1. 人民数据将对所有征集的语料开展多轮合规审核、内容清洗、标准化标注与质量筛选，入库语料实施分级管控、加密存储、隐私防护等安全措施，依法保障语料安全与参与单位知识产权、合法权益。优质合规语料将纳入人民数据相关语料资源目录，择优开展行业展示、技术落地案例推广、联合研发合作。

2. 参与单位须对所提交语料的版权、真实性、合法性和完整性负责。因语料存在权属侵权、非法采集、泄露隐私、违规涉密等问题产生的法律责任，由参与单位自行承担。

3. 本次语料征集以公益共建、产业赋能为核心导向，旨在整合行业语料资源，为大模型提供高质量的语料支撑。诚邀各行业机构共同参与语料共建共享，打造安全合规、多元丰富的行业语料库。

联系方式

联系人：王老师
联系电话：18301402788
邮箱：wangfei@peopledata.com.cn

联系人：孔老师
联系电话：18510685922
邮箱：kongbing@peopledata.com.cn

来源：人民数据

编辑：许多、韩佳琪（实习）

责编：岳禺宁