1
国家数据局：全国已建成高质量数据集12万个
全国已建成12万个高质量数据集，数据资源建设取得阶段性成果
记者今天从国家数据局了解到，我国持续加大优质数据供给，已建成高质量数据集12万个。截至今年6月底，全国已建成科学研究、工业制造、医疗卫生、教育教学等行业领域的高质量数据集总体量超1565拍字节（PB），较一季度末增长超60%，现有体量相当于中国国家图书馆数字资源总量的547倍左右，为人工智能发展提供…
2
A Multimodal Dataset for Large Language Model Applications in the Energy Domain
首个面向能源领域的大模型多模态数据集，助力LLM在电力、能源管理等场景的应用突破。
arXiv:2607.11459v1 Announce Type: cross Abstract: This paper presents the mAIEnergy dataset, an open-access, multimodal corpus developed to support La…
3
TheBioCollection: Unified Pre-Training Scale LLM Corpus for Biology
为生物学打造的预训练语料库，开启LLM与生命科学深度融合新篇章。
arXiv:2607.08803v1 Announce Type: cross Abstract: The push toward large language models for biology (BioLM) has created a need for training corpora th…
4
工信部等七部门：鼓励平台企业探索数据资源共享与流通利用模式，加快企业数据开发利用
七部门发文推动数据资源共享流通，企业数据开发利用迎来政策利好
36氪获悉，工业和信息化部、中央网信办、市场监管总局等七部门日前联合印发《促进平台经济大中小企业协同发展行动方案（2026—2028年）》。《行动方案》提出，促进数据要素开放。推动数据资源开放，引导平台企业打造可信数据空间，高效开发利用和管理数据资源。鼓励平台企业探索数据资源共享与流通利用模式，加快…