跳到正文

MNBVC

面向 AI 的超大规模中文语料集

访问官网

MNBVC 是什么

MNBVC(Massive Never-ending BT Vast Chinese corpus)被介绍为一个旨在为 AI 提供丰富中文语料的项目,既包括主流文化内容,也涵盖小众文化和网络用语。

你可以用它做什么

  • 使用大规模的中文语料数据
  • 支持自然语言处理与机器学习研究
  • 促进中文 AI 技术的发展

应用场景

  • 用于训练中文聊天机器人
  • 支持中文文本挖掘与情感分析
  • 作为中文自然语言理解模型的训练基础

语料内容

  • 纯文本数据涵盖新闻、作文、小说、书籍与杂志
  • 资料列出论文、台词、帖子与 wiki 页面
  • 资料列出古诗、歌词、商品介绍、笑话与聊天记录
  • 补充信息称该语料集对标 ChatGPT 训练的 40T 数据

优点与缺点

✓ 我们认可的地方

  • 多种文本体裁汇集在一个语料集中
  • 资料说明可支持自然语言处理与机器学习研究

! 需要留意的地方

  • 资料列出的内容为纯文本中文数据
  • 语料以中文内容为中心

常见问题

MNBVC 全称是什么?

资料写作 Massive Never-ending BT Vast Chinese corpus。

收录了哪些文本?

资料列出新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事与聊天记录。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法