智东西11月29日消息，今日，在第五届人工智能计算大会（AICC）上，智源研究院联合拓尔思、中科闻歌发布共建的“中文互联网语料库”（Chinese Corpora Internet，简称CCI），旨在为国内大数据及AI行业提供一个安全、可靠的语料资源。据介绍，中文互联网语料库CCI在数据来源上均为高质量可信、中国境内的互联网站，经过严格的数据清洗和去重，并且在内容质量、价值观等方面进行了针对性的检测与过滤，进一步提升数据质量和安全可信程度。CCI语料库首期开放的数据（CCI v1.0.0）规模为104GB，数据集总体的时间跨度为2001年1月至2023年11月。

智源开放数据仓库:

data.baai.ac.cn/details/BAAI-CCI

HuggingFace开源地址：

huggingface.co/datasets/BAAI/CCI-Data