刘新萍：多模态公共语料库建设的国际经验研究：建设模式与治理机制

高质量、规模化、多模态的语料资源是人工智能大模型训练的核心基石，直接决定大模型性能优劣与应用边界拓展。 现阶段我国多模态公共语料库建设尚处于起步阶段，面临规模小、质量参差不齐、多模态融合程度低等问题，严重制 约国内大模型的开发和训练。选取美国、英国、欧盟、新加坡等国家或地区及部分头部企业牵头建设的多模态公共语 料库为分析对象，梳理其建设模式与治理机制方面的共性经验。研究表明，当前国际主流多模态公共语料库的建设模 式可归纳为政府主导型、学术中枢型、行业自建型三种，配套治理机制主要从数据治理、开放机制、合规管控、社区 运营等方面展开。基于国际经验与国内现实困境，提出打造国家级多模态公共语料库、分类建设特色多模态公共语料 库、完善多维度协同的治理机制、强化语料库建设的保障措施等政策建议，以期为我国推动多模态公共语料库建设， 突破AI大模型“数据瓶颈”提供实践指引和决策参考