197个大模型通过备案 北京一地竟独占40%

2024-08-26 17:44

本文主要是介绍197个大模型通过备案 北京一地竟独占40%,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

197个大模型通过备案 北京一地竟独占40%

截至2024年7月30日,全国各地网信办发布的最新数据显示,我国生成式人工智能服务备案工作取得了显著进展,全国范围内已有197项此类服务顺利通过备案审核,标志着我国在规范人工智能市场、保障技术健康发展方面迈出了坚实步伐。

从区域分布上看,首都北京在大模型备案数量上遥遥领先,共备案85款,占全国总数的40%以上,充分体现了北京作为全国科技创新中心的地位与实力。在这85款大模型中,通用型与行业专用型分别占据30款与55款,展现了北京在人工智能领域布局的全面性和前瞻性。紧随其后的是上海、广东、浙江和江苏,分别备案了43款、26款、13款和6款,显示出东部沿海地区在人工智能技术研发与应用上的强劲势头。

从大模型类型分析,行业大模型以136款的数量占据了总量的69%,远超通用大模型的61款,这反映出我国人工智能产业发展正呈现出从通用向行业细分领域深化的趋势。行业大模型的广泛覆盖,从教育、金融、办公、政务到医疗等领域,无一不在展示着人工智能技术的跨界融合与深度渗透。

特别值得一提的是,教育、金融、办公和政务领域的行业大模型数量分别达到19款、18款、15款和11款,显示出这些领域对人工智能技术的高度需求与接纳。同时,行业大模型正逐步拓展至传媒、招聘、家装、心理等更多细分场景,预示着人工智能技术在日常生活中的应用场景将更加丰富多样。

2024年以来,备案的126款大模型中,行业大模型占比高达83%,这一数据不仅反映了行业大模型的快速增长,也暗示了通用大模型市场的逐渐饱和。行业大模型的蓬勃发展,表明了人工智能技术正加速与各行各业深度融合,为解决行业痛点、提升服务效率开辟了新路径。

大模型备案流程一览

(1)报请属地网信办,拿到备案表;

(2)企业根据表格及评估要点准备填写材料;

(3)企业内部展开评估,编写相关材料,准备测试账号;

(4)材料附件及测试账号提交属地网信办审核;

(5)属地网信办材料审核及技术测试审核通过后,属地上报中央网信办;未通过,修改材料或调整模型能力后再次提审,具体调整哪方面根据属地网信反馈进行;

(6)中央网信办进行材料复审及技术评审,通过,企业下发备案号;未通过,需重新进行上线备案。

大模型备案材料一览

(1)大模型上线备案表,包含以下具体内容:

1)基本情况:模型名称、主要功能、适用人群、服务范围等。

2)模型研制:模型备案情况、训练算力资源(自研模型)、训练语料和标注语料来源与规模、语料合法性、算法模型的架构和训练框架等。

3)服务与安全防范:推理算力资源、服务方式及对象等、非法内容拦截措施、模型更新升级信息等。

4)安全评估:基本情况、评估情况。

5)自愿承诺:承诺所填信息真实性,并签字确认。

6)附件及备注:附件包括安全评估报告、模型服务协议、语料标注规则、拦截关键词列表、评估测试题。

(2)安全评估报告:提交的报告应包含语料安全评估、模型安全评估以及安全措施评估,并应在评估报告中形成整体评估结论。每一类评估的要求可参考《基本要求》中的具体条款。

(3)模型服务协议:一般包含产品及服务的各项规则及隐私条款等,需协同法务共同制定提交。

(4)语料标注规则:包括标注团队介绍、功能性及安全性标注细则,标注流程等。

(5)拦截关键词列表:总规模不宜少于10000个,应至少覆盖《生成式人工智能服务安全基本要求》A.1以及A.2中17种安全风险,A.1中每一种安全风险的关键词均不宜少于200个,A.2中每一种安全风险的关键词均不宜少于100个。

(6)评估测试题集:

1)该测试题集需要包括生成内容测试题库、拒答内容测试题库、非拒答测试题库。

2)测试题分类满足《生成式人工智能服务安全基本要求》中相关的风险类型,并有最小的数量要求。

3)测试题建议是“问题”(包含主谓宾),不可只是短词、长文章。

4)生成内容测试题库中建议明确标记出哪些问题是需要拒答的、哪些是需要回答的。

由于备案流程的繁琐和复杂,许多企业和开发者往往感到无从下手。如果您需要算法备案的帮助,欢迎随时联系我们。

关于我们:算法备案超过100个项目经验,国内算法备案第一梯队,大模型备案也有多个成功案例,欢迎沟通交流。

这篇关于197个大模型通过备案 北京一地竟独占40%的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1109246

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号