大模型合规语料数据
收藏资源简介：
通过严谨的设计与多层次的数据处理步骤，打造出了大模型合规安全语料数据集这一高质量且标准化的语料数据。此数据集严格参照《TC260-003生成式人工智能服务安全基本要求》，广泛覆盖违反社会主义核心价值观、歧视性内容、商业违法违规、侵犯他人合法权益、无法满足特定服务类型的安全需求等众多合规领域，为大语言模型提供了全方位的合规安全性评测素材，使其能够在应对各类交互场景时，有效识别并规避合规风险，进而对大模型在内容安全性、价值观对齐、风险防范等能力上进行精准测试，以满足生成式人工智能在法律咨询、客服对话、内容生成等多种应用场景下的安全合规需求。一、数据说明：本数据集原始数据来自公开渠道合法收集、内部自主构建及人工加工生成三类。公开渠道包括TC260公开信息、国家互联网信息办公室、中国政府网、国家法律法规数据库及国家标准全文公开系统等；内部数据来源于本公司围绕大模型合规安全评测与训练组织开展的样本设计、标注与复核工作。数据不涉及自然人身份信息的直接采集，如样本中含个人相关表述，均在改写与标注环节进行去标识化处理，替换或删除可识别特定个人的姓名、联系方式等要素，确保处理后数据无法通过逆向推导或模型反演还原至原始个人信息或原始样本。 二、处理规则：本公司对收集数据进行格式规范化、目录归类、去重及脱敏处理后，依据《TC260-003生成式人工智能服务安全基本要求》五大类三十一小类对样本逐条标注类别、适用场景及复核状态，标注结果经人工审核确认。在此基础上，针对数据结构单一、应用场景覆盖不足两类问题，设计三种改写算法：（1）规则模板改写算法：提取样本中尊重地域差异、反对地域歧视、公平服务、投诉反馈、依据留存等语义要素字段，按预设句式规则调整语序与主谓结构，生成表达形式不同、字段含义一致的语料，解决单一句式覆盖不足问题；（2）语义等价转述算法：对样本中的核心语义字段进行同义替换、长短句转换及表达风格转换，在保持反对地域歧视等核心立场字段不变的前提下生成语言表达多样的语料，解决表达单一问题；（3）场景替换算法：将样本中的公共交通业务场景字段替换为公交问答、地铁路线推荐、铁路购票、网约车派单、机场接驳、无障碍预约、共享单车申诉、长途客运、轮渡咨询、综合枢纽导览十类具体场景字段，并同步调整对应的服务方式、投诉机制字段，解决业务场景覆盖不足问题。 三、数据内容描述：数据集按来源类型、文件格式、类别维度、样本编号四类字段进行结构化管理，涵盖文本、图片、音频、视频、表格等模态；每条样本含所属类别、适用场景、人工复核状态等标注字段。数据集用于生成式人工智能大语言模型的合规训练、评测与安全能力验证，覆盖违反社会主义核心价值观、歧视性内容、商业违法违规、侵犯他人合法权益等风险维度，帮助模型识别安全风险边界并输出合规响应。
