大模型時代數(shù)字出版發(fā)展路徑研究

崔海教?魏婧

【摘要】一系列大模型落地應(yīng)用為各領(lǐng)域帶來了全新的技術(shù)變革，數(shù)字出版也應(yīng)加快與新技術(shù)融合發(fā)展的步伐。從技術(shù)賦能角度來看，大模型可以幫助數(shù)字出版簡化審校流程，助力內(nèi)容分發(fā)，提高服務(wù)能力，但與此同時，在應(yīng)用過程中也要注意防范信息準確性、內(nèi)容導(dǎo)向性、數(shù)據(jù)安全性等方面的風險。面對機遇與挑戰(zhàn)，出版企業(yè)應(yīng)建立健全數(shù)字出版大模型標準體系，積極推動數(shù)字出版與大模型融合發(fā)展，理性應(yīng)對技術(shù)賦能帶來的衍生問題，趨利避害，尋求大模型與數(shù)字出版的融合發(fā)展之路。

【關(guān)? 鍵? 詞】數(shù)字出版；大模型；技術(shù)賦能；風險防范

【作者單位】崔海教，中國新聞出版研究院；魏婧，北京語言大學(xué)出版社。

【中圖分類號】G239.2；TP18【文獻標識碼】A【DOI】10.16491/j.cnki.cn45-1216/g2.2023.17.005

人工智能在各個領(lǐng)域的應(yīng)用促進了社會的發(fā)展與變革，在經(jīng)歷了從機器學(xué)習(xí)模型到深度學(xué)習(xí)模型，再到預(yù)訓(xùn)練模型和大規(guī)模預(yù)訓(xùn)練模型四個階段后，人工智能的研究迎來了大模型時代，以ChatGPT為代表的大模型吸引了國內(nèi)外的廣泛關(guān)注。2023年3月，OpenAI將ChatGPT迭代至GPT-4，相較于前代，其語言能力得到了極大提高，各個領(lǐng)域也由此迎來了前所未有的發(fā)展機遇?；诖耍疚脑谑崂泶竽Ｐ桶l(fā)展歷程與應(yīng)用前景的基礎(chǔ)上，將大模型與數(shù)字出版產(chǎn)業(yè)屬性相結(jié)合，分析大模型為數(shù)字出版發(fā)展帶來的積極影響及其技術(shù)風險，探究大模型時代數(shù)字出版的發(fā)展路徑。

一、大模型的發(fā)展歷程與應(yīng)用前景

大模型自問世以來飛速發(fā)展，國內(nèi)外眾多企業(yè)競相研發(fā)，一系列大模型相繼問世。目前，大模型在自然語言處理、語音識別、計算機視覺等方面均具有強大的處理能力，能夠?qū)崿F(xiàn)信息檢索、圖文生成、問答對話等功能，擁有廣闊的應(yīng)用前景。

1．大模型的發(fā)展歷程

2017年，谷歌提出的Transformer架構(gòu)具備出色的模型容量和并行能力，為大模型的開發(fā)提供了標準骨干模型［1］。2019年，OpenAI推出的通用語言模型GPT-2具備初步的文本理解和翻譯能力；2020年，OpenAI將其升級為GPT-3，能夠?qū)崿F(xiàn)作詩、聊天等功能，參數(shù)量已經(jīng)從GPT-2的15億躍升至1750億。此后，大模型的參數(shù)量呈指數(shù)級增長。2021年1月，谷歌推出的Switch Transformer模型以高達1.6萬億的參數(shù)量成為史上首個萬億級語言模型［2］。2022年，OpenAI基于GPT-3.5的支持推出了ChatGPT這一典型的生成式人工智能，ChatGPT采用“基于強化學(xué)習(xí)的人類反饋學(xué)習(xí)技術(shù)”，能夠進行零樣本學(xué)習(xí)和多語言處理，具有較強的邏輯推理能力和一定的遷移學(xué)習(xí)能力［3］。隨后，Meta緊跟著推出了LLaMA，由于源碼泄露備受產(chǎn)業(yè)關(guān)注。

2023年3月，具備更高水平的圖像識別和內(nèi)容生成能力的GPT-4發(fā)布。Meta則在2023年7月發(fā)布LLaMA的商業(yè)版本LLaMA 2，其作為首個開源大模型，推動大模型應(yīng)用進入“免費時代”。同時，國內(nèi)對大模型的研究也正如火如荼。截至2023年5月底，國內(nèi)已公布了至少79個10億級參數(shù)規(guī)模的大模型。其中，百度開發(fā)的文心一言、科大訊飛的星火、阿里云的通義千問、華為元的盤古均為通用型大模型。此外，國內(nèi)還有網(wǎng)易有道開發(fā)的子曰、北京大學(xué)開發(fā)的ChatLaw等垂直大模型，為相關(guān)行業(yè)提供了更為高效、專業(yè)的服務(wù)［4］。

2．大模型的技術(shù)能力

與較小的預(yù)訓(xùn)練模型相比，大模型的特點之一是其所具備的涌現(xiàn)能力，是在參數(shù)量級超過一定閾值才被觀測到的。其涌現(xiàn)能力主要來源于三大關(guān)鍵技術(shù)：一是情景學(xué)習(xí)，即模型可以參考已經(jīng)學(xué)習(xí)到的情景例子來完成特定任務(wù)；二是思維鏈，即讓模型學(xué)習(xí)人類推導(dǎo)答案的過程來解決復(fù)雜問題；三是自然指令學(xué)習(xí)，即模型接受少量的任務(wù)指令化后進行適度微調(diào)，可以泛化到成百上千種任務(wù)［5］。

基于這三大關(guān)鍵技術(shù)，大模型不僅擁有了上下文學(xué)習(xí)和邏輯推理等能力，幫助解決復(fù)雜任務(wù)，還可以生成貼合實際需求的圖文內(nèi)容，解讀文字描述并判斷其正確與否，解讀用戶深層意圖并進行會話式信息搜索等。由此可以看出，大模型擁有廣闊的應(yīng)用前景，不僅可以生成文本、圖片、音頻等多媒體內(nèi)容供用戶使用，還可以依托強大的推理能力和學(xué)習(xí)能力厘清用戶復(fù)雜的意圖，為用戶提供教育、醫(yī)療、心理咨詢、法律、投資等各種專業(yè)領(lǐng)域的幫助和服務(wù)。

二、技術(shù)賦能：創(chuàng)新數(shù)字出版業(yè)態(tài)

數(shù)字出版從內(nèi)容上看，包括文字、圖片等傳統(tǒng)出版內(nèi)容，還包括音頻、視頻、H5等多媒體內(nèi)容；從形式上看，包括傳統(tǒng)出版物的數(shù)字化，以及在線平臺、知識服務(wù)等新形態(tài)。因此，數(shù)字出版在內(nèi)容審校、平臺運維、用戶服務(wù)上會面臨更多的問題。而大模型自然語言處理能力、計算機視覺能力能夠更加精準、高效地為數(shù)字出版的審校流程、內(nèi)容分發(fā)和知識服務(wù)等提供支持。

1．簡化審校流程

在數(shù)字出版的編校過程中，不僅需要對內(nèi)容的政治傾向、觀點、文字進行審查，保證內(nèi)容沒有知識性、科學(xué)性等各方面的錯誤，還要對音頻、視頻等各種多媒體內(nèi)容進行審查，如音頻的清晰度、讀音的準確性、視頻畫面的完整性、字幕文字的正確性等。較之傳統(tǒng)出版流程，數(shù)字出版的編輯人員、校對人員的工作內(nèi)容更加繁復(fù)。而大模型的技術(shù)能力可以為該流程提供智能化輔助，簡化審校流程。

其一，大模型的知識圖譜構(gòu)建過程中，知識獲取采用無監(jiān)督語言模型學(xué)習(xí)的方式，取代了以信息抽取為主的方式。信息抽取的方式是依據(jù)預(yù)設(shè)的知識結(jié)構(gòu)從數(shù)據(jù)中抽取目標知識來構(gòu)建知識圖譜，但這種方式存在效率低下、需要人力校驗、只能抽取已定義的知識類型等缺點［6］。而大模型的知識圖譜構(gòu)建則弱化了上述缺點，可以更加高效準確地構(gòu)建知識圖譜，為數(shù)字出版的智能審校提供可靠的知識庫依據(jù)。

其二，大模型的語義分析能力可以理解出版過程中需要校對的文本，并從知識圖譜中搜索相應(yīng)的內(nèi)容與之對照，進行錯誤提示。其結(jié)構(gòu)化預(yù)測能力還可以幫助標注詞性和進行分詞，提高語義分析結(jié)果的穩(wěn)定性。

其三，視覺大模型的圖像處理能力、語言大模型的語音識別能力可以為音視頻資源的審校提供輔助。多種技術(shù)能力相輔相成，可以讓大模型幫助數(shù)字出版內(nèi)容審校實現(xiàn)高度智能化，從一定程度上解放編輯人員、校對人員，簡化審校流程。如蜜度開發(fā)的“校對通”目前可以實現(xiàn)對文本、圖片和視頻三種內(nèi)容形式的校對，識別12類文字標點差錯和地理名詞、機構(gòu)名稱、時政重點詞等9類知識性差錯，以及對涉及違法違規(guī)等敏感內(nèi)容的6類內(nèi)容導(dǎo)向風險進行自動校對。

隨著大模型落地應(yīng)用，未來的編校系統(tǒng)將具備更強的知識庫更新能力，支持更多類型差錯的識別，為用戶提供更好的使用體驗。

2．助力內(nèi)容分發(fā)

數(shù)字出版產(chǎn)品依托網(wǎng)絡(luò)進行傳播，而網(wǎng)絡(luò)發(fā)展至今，在擁有龐大用戶量的同時也有著不可計數(shù)的數(shù)據(jù)量。隨著大模型落地應(yīng)用日漸增多，未來大模型可以更好地助力內(nèi)容分發(fā)，其對數(shù)字出版內(nèi)容分發(fā)的助力主要體現(xiàn)在營銷材料內(nèi)容生成和個性化推送兩方面。

一是營銷材料內(nèi)容生成。文本生成是人工智能時期就已廣泛應(yīng)用的一項技術(shù)能力，主要用于新聞撰寫、智能聊天等。而作為大規(guī)模預(yù)訓(xùn)練生成式語言模型，如ChatGPT在文本生成上則有更強大的能力，其獲取數(shù)字出版產(chǎn)品信息和文本需求后，可以生成創(chuàng)意文案供產(chǎn)品營銷使用。相似的，視覺大模型也有圖像生成能力，可以為產(chǎn)品營銷生成圖片、視頻材料，多形式地向用戶展示數(shù)字出版產(chǎn)品。以文心一言為例，其目前已經(jīng)可以實現(xiàn)寫作協(xié)助以及根據(jù)文字描述生成視頻。

二是個性化推送。大模型經(jīng)過預(yù)訓(xùn)練具備邏輯推理能力和情感計算能力，可以理解用戶深層意圖。如ChatGPT的一大亮點就是“與人類意圖對齊”，這一能力讓其能夠更好地從用戶使用痕跡中推理出用戶喜好，精準描繪用戶畫像，從而實現(xiàn)真正的個性化推送。

3．提高服務(wù)能力

由于出版行業(yè)在內(nèi)容資源方面占據(jù)先天優(yōu)勢，加之知識付費興起、用戶對優(yōu)質(zhì)內(nèi)容的需求增加，眾多出版企業(yè)在數(shù)字出版轉(zhuǎn)型的道路上開始整合自身資源開展知識服務(wù)。大模型時代的到來能為出版企業(yè)的知識服務(wù)添磚加瓦。

ChatGPT受到廣泛關(guān)注的原因之一就是其展現(xiàn)的強大的對話問答能力。在知識服務(wù)領(lǐng)域，大模型應(yīng)用不局限于以往搜索引擎式的關(guān)鍵詞檢索，而是基于上下文學(xué)習(xí)和邏輯推理能力，根據(jù)用戶的語音或文字問題描述，理解用戶的深層意圖和需求，并提供精準、專業(yè)的答案和相關(guān)性強的拓展知識。目前，國內(nèi)較多大模型圍繞垂直領(lǐng)域開發(fā)提供專業(yè)知識服務(wù)。如：京東的京醫(yī)千尋是醫(yī)學(xué)類垂直大模型，其整合了大量醫(yī)學(xué)知識、文獻和臨床實踐指南，既能為患者提供醫(yī)療建議，也能輔助醫(yī)生進行診斷決策；北大團隊開發(fā)的ChatLaw，主要用于提供法律服務(wù)。

為不同階段的少年兒童提供分級閱讀服務(wù)是眾多少兒出版社、教育出版社的著力點之一。大模型通過學(xué)習(xí)分級閱讀標準和分級閱讀文本，可以自動測評文本并向用戶推送，也可以按照用戶閱讀水平和需求生成相應(yīng)的閱讀文本，實現(xiàn)個性化服務(wù)，提高分級閱讀服務(wù)水平。

三、風險防范：警惕技術(shù)衍生問題

數(shù)字出版是信息技術(shù)與傳統(tǒng)出版融合并不斷發(fā)展的結(jié)果，應(yīng)當在發(fā)展中持續(xù)通過新技術(shù)為自己賦能，同時注意防范技術(shù)風險。正如人工智能專家所言，下一代大模型應(yīng)該更加具有事實性、無害性、即時性。這警示我們需要審視大模型目前存在的信息準確性和內(nèi)容無害性等問題。

1．信息準確性風險降低內(nèi)容價值

大模型信息不準確較為常見的一個表現(xiàn)是提供的答案與用戶提問的內(nèi)容不相關(guān)。雖然大模型的語言理解和生成能力均得到很好的體現(xiàn)，但二者各自為營，雖能夠理解用戶的提問意圖，也可以生成答案，但生成的內(nèi)容與問題之間沒有邏輯關(guān)系。大模型信息不準確較為常見的另一個表現(xiàn)是提供的答案存在知識性、科學(xué)性、事實性等方面的錯誤。一是由于世界處于發(fā)展變化中，信息處于時時更新狀態(tài)，而大模型的訓(xùn)練數(shù)據(jù)難以實時更新，其內(nèi)容只能依據(jù)原本數(shù)據(jù)生成；二是數(shù)據(jù)質(zhì)量問題導(dǎo)致錯誤的產(chǎn)生。

在傳統(tǒng)出版過程中，產(chǎn)品的內(nèi)容質(zhì)量需要嚴格把關(guān)。雖然數(shù)字出版內(nèi)容形式多樣，擺脫了文字、圖片等傳統(tǒng)形態(tài)的限制，但對內(nèi)容準確性同樣有嚴格要求，在為用戶提供知識服務(wù)時也需要注意避免各類錯誤。而對于大模型流暢的輸出回復(fù)，用戶往往難以通過自身知識儲備甄別信息準確性，如果生成內(nèi)容中有不準確甚至錯誤的信息，就會對用戶產(chǎn)生干擾和誤導(dǎo)，降低數(shù)字出版產(chǎn)品的價值，長此以往將帶來不利影響。

2．內(nèi)容有害性風險引發(fā)導(dǎo)向問題

一方面，由于大模型在預(yù)訓(xùn)練過程中接收了海量數(shù)據(jù)，并具備上下文學(xué)習(xí)、邏輯推理等涌現(xiàn)能力，能夠模仿人類語言進行表達。這一能力使用得當可以生成用戶所需的優(yōu)質(zhì)內(nèi)容，幫助用戶解決問題、學(xué)習(xí)新知識。但隨著大模型的訓(xùn)練不斷深化，人類目前還難以解釋內(nèi)容生成的決策過程，如果決策過程中出現(xiàn)謬誤，就可能導(dǎo)致產(chǎn)生暴力言論、歧視言論、仇恨言論等有害內(nèi)容。

另一方面，從用戶的角度來看，大模型表現(xiàn)得越接近人類，對人類的理解程度越高、實用性越強，就越能獲得用戶的信任。但當它高度受到用戶信賴，介入人類社會生活時，用戶的觀念容易受到其潛移默化的影響，因此，保障大模型的內(nèi)容無害至關(guān)重要。

數(shù)字出版產(chǎn)品是公開向社會發(fā)行的，意在傳播知識、傳承文化、推動社會發(fā)展，其傳播內(nèi)容會對社會大眾的價值觀念產(chǎn)生一定的影響，因此在大模型生成的內(nèi)容中，需要防止含有不正確導(dǎo)向的有害內(nèi)容，如涉及恐怖主義、暴力傾向、違法違規(guī)等，避免有害內(nèi)容在傳播過程中對社會產(chǎn)生不利影響。

3．數(shù)據(jù)安全性風險造成隱私泄露

無論是開發(fā)和使用大模型提供服務(wù)的運營商，還是借助大模型獲取服務(wù)的用戶，都需要將相關(guān)數(shù)據(jù)上傳到云端模型，由此帶來了數(shù)據(jù)泄露的風險，這是一個不容小覷的安全隱患。盡管已有相關(guān)研究在嘗試解決此問題，但對于參數(shù)量級達到萬億的大模型來說仍是難題。

此外，數(shù)據(jù)來源也暗藏安全風險。大模型需要大量的數(shù)據(jù)作為預(yù)訓(xùn)練的基礎(chǔ)，因此會從網(wǎng)絡(luò)爬取數(shù)據(jù)，這些數(shù)據(jù)中可能包含網(wǎng)絡(luò)用戶的個人信息，如果不剔除這些信息，則會被大模型記住并在生成內(nèi)容時使用，導(dǎo)致個人隱私泄露。如果訓(xùn)練數(shù)據(jù)中含有受到知識產(chǎn)權(quán)保護的內(nèi)容，則會侵犯所有者的合法權(quán)益［7］。數(shù)字出版領(lǐng)域，版權(quán)保護一直以來都是不可忽視的議題。數(shù)據(jù)泄露將導(dǎo)致用戶與自身的隱私信息和相關(guān)權(quán)益受到侵害，侵犯他人知識產(chǎn)權(quán)也將帶來版權(quán)糾紛和法律風險。

四、大模型時代數(shù)字出版發(fā)展路徑

進入大模型時代，各領(lǐng)域都在推動大模型的應(yīng)用落地，數(shù)字出版領(lǐng)域也要在相關(guān)技術(shù)不斷完善、升級迭代的當下，以新技術(shù)推動自身發(fā)展，并理性審視其帶來的風險問題，趨利避害，積極探索大模型與數(shù)字出版的融合發(fā)展之路。

1．建立健全數(shù)字出版大模型標準體系

《國家標準化發(fā)展綱要》指出，“標準是經(jīng)濟活動和社會發(fā)展的技術(shù)支撐，是國家基礎(chǔ)性制度的重要方面。標準化在推進國家治理體系和治理能力現(xiàn)代化中發(fā)揮著基礎(chǔ)性、引領(lǐng)性作用。”［8］大模型作為人工智能領(lǐng)域的一大技術(shù)突破，應(yīng)當在標準化的基礎(chǔ)上應(yīng)用，并以此為抓手建立健全數(shù)字出版大模型標準體系，推進與數(shù)字出版產(chǎn)業(yè)的融合發(fā)展。

2023年4月，中國信通院召開大模型標準體系2.0研討會，會議指出標準體系2.0將全面關(guān)注大模型的模型化、能力化、工程化、產(chǎn)業(yè)化等維度，從模型開發(fā)、模型能力、模型運營、模型應(yīng)用、安全可信五個方向持續(xù)構(gòu)建和完善大模型標準體系［9］。2023年7月10日，國家互聯(lián)網(wǎng)信息辦公室發(fā)布《生成式人工智能服務(wù)管理暫行辦法》，從技術(shù)發(fā)展與治理、服務(wù)規(guī)范、監(jiān)督檢查和法律責任等方面對生成式人工智能進行管理［10］。這些標準體系的討論與制定為大模型在數(shù)字出版領(lǐng)域的標準建立提供了指引：一是技術(shù)能力標準，要保證大模型算法科學(xué)、算力充足、訓(xùn)練數(shù)據(jù)質(zhì)量高且來源合法；二是服務(wù)能力標準，大模型生成的內(nèi)容要符合出版物政治性、科學(xué)性、思想性、知識性、獨創(chuàng)性、藝術(shù)性等方面的要求，形式上要保證多媒體內(nèi)容清晰、音視頻播放狀態(tài)良好、鏈接跳轉(zhuǎn)正常、識別與評測效果達標等；三是監(jiān)督管理標準，要求生成式人工智能服務(wù)提供者對訓(xùn)練數(shù)據(jù)和生成內(nèi)容負責，并依照相關(guān)法律法規(guī)進行運營活動，配合主管部門的監(jiān)督檢查等。

2．積極推動數(shù)字出版與大模型融合發(fā)展

《出版業(yè)“十四五”時期發(fā)展規(guī)劃》提出要壯大數(shù)字出版產(chǎn)業(yè)，健全完善數(shù)字出版科技創(chuàng)新體系，突出科技創(chuàng)新在推動出版業(yè)數(shù)字化轉(zhuǎn)型升級、實現(xiàn)深度融合發(fā)展中的重要作用。數(shù)字出版在信息技術(shù)不斷發(fā)展的過程中隨之成長，如今，新一代技術(shù)的應(yīng)用在各領(lǐng)域興起，數(shù)字出版也應(yīng)當在健全標準體系的基礎(chǔ)上積極推動大模型的落地應(yīng)用。

一方面，行業(yè)要給予支持。行業(yè)協(xié)會不僅要組織編輯人員進行交流學(xué)習(xí)，了解新技術(shù)的相關(guān)情況，還要在已經(jīng)推動實現(xiàn)大模型技術(shù)融合的相關(guān)企業(yè)和出版單位中，遴選具有典型示范性的優(yōu)秀案例進行推廣宣傳。另一方面，出版企業(yè)應(yīng)付諸行動。目前，由于大多數(shù)出版企業(yè)無法獨立支撐大模型的技術(shù)開發(fā)，因此，可以借助大模型企業(yè)提供的平臺，整合與自身專業(yè)能力和業(yè)務(wù)范圍相契合的內(nèi)容資源和數(shù)據(jù)，在大模型訓(xùn)練中加入，以生成定制化、專業(yè)化的大模型供自己運營使用。

3．理性應(yīng)對技術(shù)賦能帶來的衍生問題

大模型生成內(nèi)容雖然給數(shù)字出版帶來全新的發(fā)展機遇，但也可能帶來內(nèi)容價值降低、內(nèi)容導(dǎo)向不正確、隱私數(shù)據(jù)泄露等衍生問題，出版企業(yè)要積極面對并尋求解決之道。

首先，進行數(shù)據(jù)篩選。大模型生成導(dǎo)向性、知識性等不正確的內(nèi)容的原因之一是訓(xùn)練數(shù)據(jù)質(zhì)量參差不齊，因此，為了提高生成內(nèi)容的準確性和可靠性，需要保證選取高質(zhì)量的預(yù)訓(xùn)練數(shù)據(jù)并及時更新。這不僅可以幫助大模型提高內(nèi)容生成質(zhì)量，還可以防止隱私數(shù)據(jù)被誤用。

其次，加強內(nèi)容監(jiān)測。出版企業(yè)既要從數(shù)據(jù)源頭防范相關(guān)風險，也應(yīng)加強對大模型生成內(nèi)容的監(jiān)測與檢查，以及時發(fā)現(xiàn)并糾正大模型運行中產(chǎn)生的算法歧視、算法偏見等安全隱患。

最后，注重倫理建設(shè)。數(shù)據(jù)使用者在數(shù)據(jù)收集、處理、分析、共享的過程中要注意避免違反道德原則和核心價值觀的行為，重視數(shù)據(jù)治理和合規(guī)性控制，防止數(shù)據(jù)濫用；學(xué)界和科研機構(gòu)要積極探索數(shù)據(jù)倫理問題的解決方案，建立健全數(shù)據(jù)倫理評估體系和治理體系，通過產(chǎn)學(xué)研協(xié)同加強數(shù)據(jù)倫理建設(shè)，讓大模型在可信賴的生態(tài)下為數(shù)字出版產(chǎn)業(yè)助力。

隨著造紙術(shù)、印刷術(shù)的發(fā)明，出版業(yè)不斷發(fā)展革新，新一代信息技術(shù)的出現(xiàn)，更是推動了數(shù)字出版產(chǎn)業(yè)的發(fā)展。在技術(shù)變革中產(chǎn)生和成長的數(shù)字出版產(chǎn)業(yè)，理應(yīng)緊跟新技術(shù)的步伐，正確看待大模型帶來的機遇與挑戰(zhàn)，推進數(shù)字出版與大模型的融合發(fā)展，讓新技術(shù)發(fā)揮引領(lǐng)支撐作用，為傳播知識服務(wù)、構(gòu)建智能化數(shù)字出版服務(wù)。

｜參考文獻｜

［1］羅錦釗，孫玉龍，錢增志，等. 人工智能大模型綜述及展望［J/OL］. ［2023-09-04］. 無線電工程，http：//kns.cnki.net/kcms/detail/13.1097.TN.20230829.11

11.002.html.

［2］云晴. 國外大模型發(fā)展分析［J］. 通信世界，2023（17）：36-38.

［3］尚智叢，閆禹宏. ChatGPT教育應(yīng)用及其帶來的變革與倫理挑戰(zhàn)［J］. 東北師大學(xué)報（哲學(xué)社會科學(xué)版），2023（5）：44-54.

［4］克林. 2023中國大模型TOP70［J］. 互聯(lián)網(wǎng)周刊，2023（17）：12-13.

［5］邱錫鵬. 解剖大型語言模型：原理、應(yīng)用及影響［J］. 探索與爭鳴，2023（5）：10-12.

［6］車萬翔，竇志成，馮巖松，等. 大模型時代的自然語言處理：挑戰(zhàn)、機遇與發(fā)展［J］. 中國科學(xué)：信息科學(xué)，2023（9）：1645-1687.

［7］矣曉沅，謝幸. 大模型道德價值觀對齊問題剖析［J］. 計算機研究與發(fā)展，2023（9）：1926-1945.

［8］中共中央 國務(wù)院印發(fā)《國家標準化發(fā)展綱要》［EB/OL］. （2021-10-10）［2023-09-04］. https：//www.gov.cn/gongbao/content/2021/content_5647347.htm？eqid=f01b6dba0002a21000000006645af59d.

［9］可信AI標準｜中國信通院順利召開大模型標準體系2. 0研討會 ［EB/OL］ . （2023-05-08）［2023-09-04］. https：//szaicx. com/page192？article_id=13527.

［10］生成式人工智能服務(wù)管理暫行辦法［EB/OL］. （2023-07-10］）［2023-09-04］. https：//www.gov.

cn/zhengce/zhengceku/202307/content_6891752.htm.