大模型備案的語料來源安全要求，對服務提供者的要求如下。

a）語料來源管理方面：

1）面向特定語料來源進行采集前，應對該來源語料進行安全評估，語料內容中含違法不良信息超過5%的，不應采集該來源語料；

2）面向特定語料來源進行采集后，應對所采集的該來源語料進行核驗，含違法不良信息情況超過5%的，不應使用該來源語料進行訓練。

b）不同來源語料搭配方面：應提高語料來源的多樣性，對每一種語言的語料，如中文、英文等，以及每一種類型的語料，如文本、圖片、音頻、視頻等，均應有多個語料來源；如需使用境外語料，應合理搭配境內外來源語料。

c）語料來源可追溯方面：

1）使用開源語料時，應具有該語料來源的開源許可協議或相關授權文件；注1：對于匯聚了網絡地址、數據鏈接等能夠指向或生成其他數據的情況，如果需要使用這些被指向或生成的內容作為語料，應將其視同于自采語料。

2）使用自采語料時，應具有采集記錄，不應采集他人已明確不可采集的語料；注2：自采語料包括自行生產的語料以及從互聯網采集的語料。 注3：明確不可采集的語料，例如已通過robots協議或其他限制采集的技術手段明確表明不可采集的網頁數據，或個人已拒絕授權采集的個人信息等。

3）使用商業語料時： —— 應有具備法律效力的交易合同、合作協議等； —— 交易方或合作方不能提供語料來源、質量、安全等方面的承諾以及相關證明材料時，不應使用該語料； —— 應對交易方或合作方所提供語料、承諾、材料進行審核。

4）將使用者輸入信息當作語料時，應具有使用者授權記錄。

d）按照我國網絡安全相關法律法規及政策文件要求阻斷的信息，不應作為語料。

私信我們，獲得大模型備案與算法備案在線指導，助您快速通關，產品早日上線！