移动端


当前位置:兴旺宝>资讯首页> 企业动态

高质量数据集典型案例 | 石油化工领域高质量数据集

2025-09-25 08:49:11来源:国家数据局 阅读量:17965 评论

分享:

  中国石化积累了大量数据资源,但存在多模态异构、标注专业性强、数据分散等特点。本案例旨在进一步整合内外部数据资源,构建一批多模态融合、行业代表性强的高质量数据集,突破跨模态对齐、自动清洗标注、动态质量保障及安全合规共享等挑战,为行业大模型训练提供高精度标注、多场景覆盖的高质量数据支撑,切实提升模型训练适配性与复杂场景泛化效能。
 
  方案和成效
 
  一是构建1套行业级高质量数据集建设标准化方法体系。在实践基础上,提炼并形成了涵盖数据标准定义、质量评估指标、清洗标注流程规范、安全管控要求等全环节的石化行业方法论体系。
 
  二是打造1组高质量数据集全链路工具套件。创新融合大语言模型(LLM)、多模态大模型,以及各类经训练微调的专业小模型与规则引擎,形成高质量多模态数据集的大规模工程化生产流程,提升数据集建设效率,保障智能化建设过程中数据高质、高效供给。
 
  三是产生1批行业多模态高质量数据集。包括行业相关业务领域文件共近13万册,工业生产、安全等违章图片200余万张,厂区生产装置、作业现场等监控视频超500TB;生成高质量问答对超162万条。
 
  四是支撑行业大模型训练和智能化应用。行业大模型专业能力明显提升。基于行业高质量数据集,完成第一版长城行业大模型(70B、700B)训练和应用,经工信部信通院、泰尔实验室评测,达到行业“引领级”;支撑分子理解、分子生成、不规范行为识别多模态、审计等专业大模型训练;大幅降低了从数据准备到模型训练的门槛,支撑1600余个智能应用在线开发。
 
  创新点
 
  一是自主研发智能化数据清洗标注工具链,突破工业数据治理瓶颈。实现复杂表格识别准确率85.71%,公式识别准确率91.67%,化学结构式识别准确率67.7%,系统性地解决了石化行业数据多源异构、专业性强、标注成本高等痛点。
 
  二是首创“工具-数据集-场景”闭环赋能模式。打破数据建设与应用脱节的常规路径,创新性地建立了“工具建设-数据集生产-AI场景验证-反哺工具/数据集优化”的闭环赋能模式。
 
  三是打造开放协同的高质量数据集共建共享生态。突破了传统企业数据内部封闭的局限,在保障数据主权与安全合规的前提下,创新性构建了由企业、科研院所、技术服务商共同参与的数据生态体系。
版权与免责声明:1.凡本网注明“来源:兴旺宝装备总站”的所有作品,均为浙江兴旺宝明通网络有限公司-兴旺宝合法拥有版权或有权使用的作品,未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:兴旺宝装备总站”。违反上述声明者,本网将追究其相关法律责任。 2.本网转载并注明自其它来源(非兴旺宝装备总站)的作品,目的在于传递更多信息,并不代表本网赞同其观点或和对其真实性负责,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品第一来源,并自负版权等法律责任。 3.如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。
我来评论

验证码

文明上网,理性发言。(您还可以输入200个字符)

所有评论仅代表网友意见,与本站立场无关

    相关新闻
    • 数字赋能江城商圈 智慧点亮武汉消费新图景

      武商商圈是武汉智慧商圈建设的标杆样板,入选第二批全国示范智慧商圈,武汉国际广场同步获评全国示范智慧商店,稳居全国购物中心销售额前五阵营,是华中智慧商业的风向标。走进武商MALL、武商梦时代,科技感扑面而来。
      2026-11-20 14:13:19    335
      智慧商圈数字经济
    • 《国家中小企业公共服务示范平台(基地)基地类建设指引》印发

      为深入贯彻落实党中央、国务院关于促进中小企业专精特新发展的决策部署,指导基地培育创建、运营提质、服务能力升级,现将《国家中小企业公共服务示范平台(基地)基地类建设指引》(以下简称《指引》)印发给你们。
      2026-11-20 08:34:37    997
      服务平台数据
    • 国家数据局:启动第二批可信数据空间试点申报

      为深入实施《可信数据空间发展行动计划(2024—2028年)》(国数资源〔2024〕119号),促进数据要素合规高效流通,深化数据资源开发利用,加快释放数据要素价值,现组织开展第二批可信数据空间创新发展试点工作。
      2026-11-20 08:34:37    1152
      数据