General-purpose AI models

欧盟《人工智能法案》数据规则挑战中文模型训练

欧盟《人工智能法案》即将于2026年8月对通用人工智能模型提出的义务，将要求提供详细的训练数据摘要并尊重文本和数据挖掘的退出选项。这对于在中国网络文本上训练的模型构成了重大挑战，因为这些模型存在固有的数据稀缺性、极高的质量差异、大量近乎重复的数据以及密集包含的个人信息。至关重要的是，大多数现有的中文数据集缺乏关键的每份文档来源信息，例如源URL、检索时间戳和robots.txt退出状态，这些信息无法追溯添加，从而给AI实验室带来了合规风险。