随着新一轮科技和产业变革的推动，大语言模型和人工智能技术的快速发展，促使语料库建设规模和应用范围经历了显著的扩展和完善。、语委和网信办最近联合印发了《关于加强数字中文建设，推进语言文字信息化发展的意见》。这一重要文件旨在到2027年，取得数字中文建设行动的重大成效，并释放语言文字在经济社会发展中的数据要素价值。
关于关键语料库的问题，这一计划的核心是推动基础性语言资源建设，并重点支持大规模中文语料库以及高质量语言文字语料库的建设。语言文字信息管理司的相关负责人指出，语料库是自然语言处理、大语言模型和人工智能技术创新应用的重要支撑。目前，已经建设了多个具有文化特色的语料库，如思想文化术语库等，它们为语言处理和智能化发展提供了宝贵的基础资源。
对于如何建设关键语料库，该负责人强调，需要推动语言文字与信息技术的深度融合。语委已经发布了一系列关于信息技术中文编码字符集的规范标准，为人工智能时代的应用创新奠定了基础。面向未来，还需要开展语言资源建设、管理、应用、共享标准的研究，并加强已有规范的宣传推广。
为了支持语料库的建设和应用，语言文字信息管理司还积极推动高校增设语言智能、计算语言学等交叉学科方向，并鼓励企业开展相关技能培训。今年作为落实《教育强国建设规划纲要（2024-2035年）》的关键之年，语言文字信息化发展将加快试点先行进度，激发协同创新力度，确保在重点任务上取得实效。
据了解，、语委已经通过开发、集成汇聚和动态更新等方式，与高校、企业、科研院所等合作建设了多项大规模高质量语料库。这些语料库已经广泛应用于经济社会发展的关键领域，为推动我国语言文字信息化发展做出了积极贡献。
