在大语言模型（LLMs）推动自然语言处理领域发展的背景下，通用大模型在特定语言和专业领域的应用面临挑战。低秩自适应（LoRA）技术作为一种高效、灵活的微调方法，正引领行业变革。OpenDataLab与和鲸社区联合举办的“大模型小语种方向Lora微调workshop”深入探讨了LoRA技术的原理和应用，特别是在小语种领域的独特价值。本次workshop使用OpenDataLab的“万卷・丝路2.0”

上海人工智能实验室OpenDataLab团队的小语种数据标注创新模式入选国家优秀案例。该团队打造了"万卷·丝路"多模态语料库，涵盖8种小语种的跨模态数据，并开发了LabelU和LabelLLM等开源工具。通过自主研发智能标注平台和标准化管理方案，标注效率提升50%，成本降低70%。创新亮点包括大模型标注技术、人机结合质检、系列标注工具开发及灵活的工作流程管理。该方案为小语种数据

在企业场景中，李浩鸣分享了利用大模型提升 SDR 工作流效率的实践经验，他介绍，传统会议纪要与信息提取工作耗时较长，而借助大模型，通过格式化字段提取，整个流程仅需 2-3 分钟即可完成。在多模态处理上，Google 模型优势明显，能高效处理音频、视频、PDF 等多种格式文档，对手写内容识别效果也较好，涉及多模态文档工作的用户可优先考虑；一起来看看他们的精彩分享。大模型在科研探索中发挥的价值远比以往

通过其智能识别数据结构、交互式可视化的能力，使数据以网页、Markdown、图片等视图模式清晰呈现，关键字段一目了然，大幅降低数据理解成本，助力用户快速洞察数据价值。无论是进行数据展示，还是深度分析挖掘，都能找到契合的呈现方式，让数据理解更透彻。灵活高效的数据接入方式，让你摆脱数据读取的繁琐和限制，专注于可视化分析。工具通过智能解析引擎自动识别数据结构，再配以精巧的可视化布局，将复杂数据中的关键信

第63届国际计算语言学协会年（ACL 2025）于7月27日至8月1日在奥地利维也纳举行。作为NLP领域最具影响力的顶级盛会，今年的ACL依然吸引了全球众多顶尖学者参与，投稿数量与质量再创新高。在本届大会上，由上海人工智能实验室OpenDataLab团队与华东师范大学团队联合提出的研究成果Meta-rater框架聚焦于提升大语言模型预训练的数据筛选效率，相比以往依赖大规模试错的“黑箱式”方法，Me

大模型时代，基于个人文档库的 RAG 应用迅速崛起，而文档解析作为关键首步，直接决定了大模型对文档内容的理解程度与回答准确性。在面对科学类文档中大量的公式时，准确解析公式显得尤为关键。而评价一个模型是否准确的前提是有一个准确、公平的指标。然而，熟悉公式识别领域的人员会发现使用BLEU、EditDistance等纯文本指标无法准确地衡量公式识别的性能，原因是同一个公式存在多种Latex书写方式。

在大语言模型（LLMs）推动自然语言处理领域发展的背景下，通用大模型在特定语言和专业领域的应用面临挑战。低秩自适应（LoRA）技术作为一种高效、灵活的微调方法，正引领行业变革。OpenDataLab与和鲸社区联合举办的“大模型小语种方向Lora微调workshop”深入探讨了LoRA技术的原理和应用，特别是在小语种领域的独特价值。本次workshop使用OpenDataLab的“万卷・丝路2.0”

随着模型技术发展，互联网数据趋同性导致通用大模型同质化，细分专业化成为深入行业落地的必然路径，这些数据常存在于私域，且以文档形式最为普遍。，支撑高质量AI-Ready的语料构建管线，将可解析场景延伸至科学数据领域，补齐AI-Ready数据的最后一公里，缩窄AGI促进科学发现的鸿沟，现已成为『书生』科学多模态大模型Intern-S1开源工具链中的重要一环。性能、速度跃升的同时，将可解析场景延伸至科学

【摘要】上海AI实验室与上海交通大学等机构联合提出IDEAL框架，用于优化大型语言模型(LLM)多任务训练中的数据均衡问题。研究发现传统SFT训练会导致模型能力不均衡，简单增加弱势领域数据效果有限。IDEAL通过量化各领域数据对模型性能的影响，动态调整训练集分布，在Llama3-18B实验中显著提升模型综合表现（如编码能力提升尤为明显）。该方法突破性地证明：优化数据配比比单纯增加数据量更有效，且训

在阿拉伯语、俄语、韩语、越南语、泰语5个语种基础上，新增塞尔维亚语、匈牙利语、捷克语等3个稀缺语料数据。在纯文本数据基础上，新增图片-文本、音频-文本、视频-文本、特色指令微调SFT四大模态数据，覆盖多模态研究全链路；整体数据总量超过1150万条，音视频时长超过2.6万小时，满足多种研究任务的需求。