大模型备案语料来源安全要求

大模型备案的语料来源安全要求，对服务提供者的要求如下。

a）语料来源管理方面：

1）面向特定语料来源进行采集前，应对该来源语料进行安全评估，语料内容中含违法不良信息超过5%的，不应采集该来源语料；

2）面向特定语料来源进行采集后，应对所采集的该来源语料进行核验，含违法不良信息情况超过5%的，不应使用该来源语料进行训练。

b）不同来源语料搭配方面：应提高语料来源的多样性，对每一种语言的语料，如中文、英文等，以及每一种类型的语料，如文本、图片、音频、视频等，均应有多个语料来源；如需使用境外语料，应合理搭配境内外来源语料。

c）语料来源可追溯方面：

1）使用开源语料时，应具有该语料来源的开源许可协议或相关授权文件；注1：对于汇聚了网络地址、数据链接等能够指向或生成其他数据的情况，如果需要使用这些被指向或生成的内容作为语料，应将其视同于自采语料。

2）使用自采语料时，应具有采集记录，不应采集他人已明确不可采集的语料；注2：自采语料包括自行生产的语料以及从互联网采集的语料。 注3：明确不可采集的语料，例如已通过robots协议或其他限制采集的技术手段明确表明不可采集的网页数据，或个人已拒绝授权采集的个人信息等。

3）使用商业语料时： —— 应有具备法律效力的交易合同、合作协议等； —— 交易方或合作方不能提供语料来源、质量、安全等方面的承诺以及相关证明材料时，不应使用该语料； —— 应对交易方或合作方所提供语料、承诺、材料进行审核。

4）将使用者输入信息当作语料时，应具有使用者授权记录。

d）按照我国网络安全相关法律法规及政策文件要求阻断的信息，不应作为语料。

私信我们，获得大模型备案与算法备案在线指导，助您快速通关，产品早日上线！