上海量子城市建设正迎来突破性进展。记者日前获悉，全国首个规划资源领域专项语料库在上海亮相，实现数据归集40TB，未来有望达到200TB。

　　为什么需要一座专项“仓库”

　　上海为什么要打造一座“不明觉厉”的规划资源专项语料库？2024年，上海首次披露“量子城市”概念，通过数字城市监测现实城市，最终反馈到现实城市进行更新提升。同时启动建设的是全市首个三维空间智能规划与时空治理模型——云宇星空大模型，通过这个规划与自然资源领域的行业大模型，管理者能够提升空间规划与自然资源治理效率。

　　在大模型的初创团队中，商汤、阿里等多家AI头部企业也有露面。上海已在人工智能赛道抢占先机，城市空间治理要彻底完成智能化，语料建设是必须夯实的基础。

　　和Deepseek、阶跃、豆包等通用大模型不同，云宇星空大模型属于行业大模型，需要专门针对城市治理领域进行训练，才能让它的专业知识深度远超通用大模型。

　　不过，普通语料无法让大模型实现这样的“高知人设”。为此，上海市规划资源局牵头“定制”了一个专项语料库，囊括规划设计、测绘地理、自然资源等领域的学科教材、政策法规、技术标准、审批成果等。

　　专项语料库的数据资产容量可达200TB，相当于20万部高清电影，在垂类大模型当中属于“高配置”。

　　人工+自动标注提升语料质量

　　“量子城市时空创新先行实验区”复兴岛上，驻扎着一支由200多专业人士组成的团队，他们专门进行语料的人工标注。

　　语料标注指的是，对原始材料进行加工处理，转化为机器能够学习理解的信息。云宇星空大模型采用人工+自动标注，人工标注先打样，再对自动标注的结果进行校核，让自动标注去调整，全面提高语料标注质量。

　　高质量标注能让大模型更“聪明”，回答的结果更精确，知识深度也将远超其他同类大模型。

　　能不能把AI幻觉关进“笼子”

　　大模型讨论如火如荼，对AI幻觉的担忧亦如影随形。业内人士表示，幻觉是大模型技术原理的固有缺陷，大模型基于概率预测生成文本，这决定了它擅长模仿语言模式，而非像人类一样，基于对世界的理解和事实核查进行严谨推理。

　　一些推理模型在回答开放性问题时，常常会虚构细节以保持逻辑连贯。如果语料本身就有逻辑、详尽且专业，那么，就可以减少“杜撰”的可能。

　　云宇星空大模型采用的“专家精准打样、机器高效放大”的语料标注模式，就是上海规划资源行业在落地应用时探索出的应对策略。

　　记者了解到，目前，语料团队已经产出约46万条问答对，后续，还将进一步地通过人工测评全面提升语料的通过率，形成高质量规模化语料库，支撑模型持续迭代。

（文章来源：上观新闻）