起草單位和起草人

《GB/T 45288.1-2025 人工智能 大模型 第1部分：通用要求》是一項(xiàng)國(guó)家標(biāo)準(zhǔn)，旨在為人工智能領(lǐng)域的大規(guī)模模型設(shè)定基本規(guī)范。該標(biāo)準(zhǔn)涵蓋了大模型的設(shè)計(jì)、開(kāi)發(fā)、測(cè)試及應(yīng)用等環(huán)節(jié)，強(qiáng)調(diào)了數(shù)據(jù)質(zhì)量、算法透明度、安全性、隱私保護(hù)等方面的重要性。

在數(shù)據(jù)處理方面，規(guī)定了用于訓(xùn)練大模型的數(shù)據(jù)集應(yīng)具備多樣性與代表性，并且需要采取措施確保數(shù)據(jù)的真實(shí)性和完整性。同時(shí)，還要求對(duì)個(gè)人敏感信息進(jìn)行脫敏處理，以符合相關(guān)法律法規(guī)對(duì)于用戶隱私的保護(hù)要求。

針對(duì)模型架構(gòu)與實(shí)現(xiàn)，提出了包括但不限于計(jì)算效率、可擴(kuò)展性在內(nèi)的技術(shù)指標(biāo)；明確了文檔化要求，即開(kāi)發(fā)者需提供詳盡的技術(shù)文檔，涵蓋模型結(jié)構(gòu)、參數(shù)配置等關(guān)鍵信息，以便于第三方評(píng)估和后續(xù)維護(hù)工作。

此外，標(biāo)準(zhǔn)特別關(guān)注了AI系統(tǒng)的倫理道德問(wèn)題，鼓勵(lì)采用公平無(wú)偏見(jiàn)的設(shè)計(jì)原則，避免因性別、年齡等因素導(dǎo)致的歧視現(xiàn)象發(fā)生。同時(shí)，也強(qiáng)調(diào)了系統(tǒng)決策過(guò)程中的透明度，提倡通過(guò)可視化手段展示AI作出判斷的理由依據(jù)，增強(qiáng)用戶信任感。

安全性和魯棒性同樣是本標(biāo)準(zhǔn)的重點(diǎn)內(nèi)容之一。它要求實(shí)施多層次的安全防護(hù)策略來(lái)抵御潛在威脅，比如對(duì)抗樣本攻擊等；并通過(guò)定期更新補(bǔ)丁等方式持續(xù)提升系統(tǒng)對(duì)外部干擾的抵抗力。

一、在當(dāng)今數(shù)字化時(shí)代

   在數(shù)字化時(shí)代下，人工智能大模型如同一顆璀璨的新星，照亮了眾多領(lǐng)域的發(fā)展道路。從自然語(yǔ)言處理領(lǐng)域的智能寫作、智能客服，到計(jì)算機(jī)視覺(jué)領(lǐng)域的圖像識(shí)別、自動(dòng)駕駛輔助，大模型憑借其強(qiáng)大的學(xué)習(xí)與泛化能力，正以前所未有的速度改變著人們的生活與工作方式。然而，隨著大模型的快速發(fā)展，一系列問(wèn)題也逐漸浮出水面。

不同大模型在技術(shù)實(shí)現(xiàn)、數(shù)據(jù)質(zhì)量、安全保障等方面存在顯著差異，導(dǎo)致市場(chǎng)上大模型產(chǎn)品良莠不齊，這不僅增加了用戶選擇的難度，也阻礙了大模型產(chǎn)業(yè)的健康有序發(fā)展。GB/T 45288.1 - 2025《人工智能 大模型 第1部分：通用要求》的適時(shí)發(fā)布，為大模型的研發(fā)、應(yīng)用與評(píng)估提供了統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范，對(duì)推動(dòng)大模型技術(shù)持續(xù)創(chuàng)新與廣泛應(yīng)用具有深遠(yuǎn)意義。

二、標(biāo)準(zhǔn)發(fā)布背景與目標(biāo)

2.1 發(fā)布背景：近年來(lái)，全球大模型技術(shù)發(fā)展迅猛，眾多科技企業(yè)和科研機(jī)構(gòu)紛紛投入大量資源進(jìn)行研發(fā)。我國(guó)大模型市場(chǎng)也呈現(xiàn)出爆發(fā)式增長(zhǎng)態(tài)勢(shì)，據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)，截至2024年底，國(guó)內(nèi)已發(fā)布的各類大模型數(shù)量超過(guò)數(shù)百個(gè)，涵蓋了多個(gè)領(lǐng)域。但在繁榮的背后，問(wèn)題也接踵而至。

 一方面，技術(shù)層面缺乏統(tǒng)一規(guī)范，不同大模型在架構(gòu)設(shè)計(jì)、訓(xùn)練算法等方面差異較大，導(dǎo)致模型之間的兼容性和互操作性差。將多個(gè)大模型進(jìn)行融合應(yīng)用時(shí)，因模型接口不統(tǒng)一、數(shù)據(jù)格式不一致等問(wèn)題，遭遇重重困難。

 另一方面，數(shù)據(jù)質(zhì)量參差不齊，部分大模型訓(xùn)練數(shù)據(jù)存在數(shù)據(jù)偏差、標(biāo)注不準(zhǔn)確甚至侵權(quán)等問(wèn)題。此外，安全隱患也日益凸顯，大模型可能被惡意利用生成虛假信息、傳播有害內(nèi)容，對(duì)社會(huì)穩(wěn)定和個(gè)人隱私構(gòu)成威脅。因此，制定一套全面、科學(xué)的大模型通用要求標(biāo)準(zhǔn)迫在眉睫。

2.2核心目標(biāo)該標(biāo)準(zhǔn)的核心目標(biāo)在于建立一套普適性的準(zhǔn)則，規(guī)范大模型全生命周期的關(guān)鍵環(huán)節(jié)。

  ? 提升大模型的技術(shù)水平，通過(guò)明確技術(shù)要求，引導(dǎo)研發(fā)者優(yōu)化模型架構(gòu)與訓(xùn)練算法，提高模型性能與效率。

  ?保障數(shù)據(jù)質(zhì)量與合規(guī)性，確保大模型訓(xùn)練數(shù)據(jù)真實(shí)、準(zhǔn)確、合法，從源頭上提升模型的可靠性與可信度。

  ?強(qiáng)化安全防護(hù)，降低大模型在應(yīng)用過(guò)程中的安全風(fēng)險(xiǎn)，保護(hù)用戶隱私與社會(huì)公共利益。

  ? 促進(jìn)大模型產(chǎn)業(yè)的規(guī)范化與標(biāo)準(zhǔn)化發(fā)展，增強(qiáng)市場(chǎng)透明度，減少無(wú)序競(jìng)爭(zhēng)，推動(dòng)大模型技術(shù)在各行業(yè)的深度應(yīng)用與創(chuàng)新發(fā)展。

三、標(biāo)準(zhǔn)關(guān)鍵通用要求解讀

3.1 技術(shù)要求

  ?. 模型架構(gòu)與訓(xùn)練算法：標(biāo)準(zhǔn)要求大模型應(yīng)具備合理、高效的架構(gòu)設(shè)計(jì)，以支持大規(guī)模數(shù)據(jù)處理與復(fù)雜任務(wù)執(zhí)行。同時(shí)，要具備可擴(kuò)展性，能夠根據(jù)業(yè)務(wù)需求靈活增加模型參數(shù)與計(jì)算資源，提升模型的泛化能力與適應(yīng)能力。   標(biāo)準(zhǔn)同時(shí)強(qiáng)調(diào)大模型支持單模態(tài)或多模態(tài)訓(xùn)練，這意味著未來(lái)大模型將更加注重跨模態(tài)融合能力，能夠同時(shí)處理文本、圖像、語(yǔ)音等多種數(shù)據(jù)類型。這將使大模型在更多復(fù)雜場(chǎng)景中發(fā)揮更大作用，例如智能安防中結(jié)合圖像和語(yǔ)音識(shí)別進(jìn)行更精準(zhǔn)的監(jiān)控和預(yù)警。

   ?. 性能指標(biāo)：明確規(guī)定了大模型在語(yǔ)言理解、生成、知識(shí)問(wèn)答等常見(jiàn)任務(wù)上的性能指標(biāo)。在語(yǔ)言理解任務(wù)中，模型對(duì)文本語(yǔ)義的理解準(zhǔn)確率需達(dá)到一定標(biāo)準(zhǔn)，如在文本分類任務(wù)中，準(zhǔn)確率應(yīng)不低于80%（具體數(shù)值可根據(jù)不同應(yīng)用場(chǎng)景調(diào)整）。在生成任務(wù)方面，生成文本的流暢性、邏輯性和相關(guān)性要滿足用戶需求。例如，智能寫作大模型生成的文章應(yīng)語(yǔ)句通順、邏輯連貫，且與給定主題緊密相關(guān)。在知識(shí)問(wèn)答任務(wù)中，模型回答的準(zhǔn)確性與完整性至關(guān)重要，能夠?yàn)橛脩籼峁?zhǔn)確、全面的知識(shí)解答。

  ?.  促進(jìn)技術(shù)協(xié)同創(chuàng)新：大模型的開(kāi)發(fā)和應(yīng)用涉及多個(gè)技術(shù)領(lǐng)域，如計(jì)算資源、數(shù)據(jù)處理、模型訓(xùn)練等。該標(biāo)準(zhǔn)為這些技術(shù)的協(xié)同創(chuàng)新提供了基礎(chǔ)框架，促使各方在統(tǒng)一的規(guī)范下進(jìn)行合作，加速大模型技術(shù)的突破和發(fā)展。

   3.2 數(shù)據(jù)要求

    ?. 數(shù)據(jù)質(zhì)量：訓(xùn)練數(shù)據(jù)應(yīng)具有準(zhǔn)確性、完整性和一致性。數(shù)據(jù)標(biāo)注需精準(zhǔn)無(wú)誤，避免標(biāo)注錯(cuò)誤對(duì)模型訓(xùn)練產(chǎn)生誤導(dǎo)。數(shù)據(jù)要完整，涵蓋各種可能的情況，防止因數(shù)據(jù)缺失導(dǎo)致模型對(duì)某些場(chǎng)景的理解不足。同時(shí)，數(shù)據(jù)在格式、編碼等方面要保持一致，便于模型處理。

   ?. 數(shù)據(jù)來(lái)源與合規(guī)性：強(qiáng)調(diào)數(shù)據(jù)來(lái)源的合法性，嚴(yán)禁使用未經(jīng)授權(quán)的數(shù)據(jù)進(jìn)行模型訓(xùn)練。數(shù)據(jù)收集過(guò)程需遵循相關(guān)法律法規(guī)，保障數(shù)據(jù)提供者的隱私與權(quán)益。例如，在收集用戶個(gè)人數(shù)據(jù)時(shí)，必須獲得用戶明確同意，并采取嚴(yán)格的安全措施保護(hù)數(shù)據(jù)安全。對(duì)于公開(kāi)數(shù)據(jù)集的使用，也要確保符合其使用條款與授權(quán)范圍。 

  3.3 安全要求

    ?.  模型安全：防止模型被惡意攻擊與濫用，如對(duì)抗樣本攻擊、模型竊取等。模型應(yīng)具備一定的魯棒性，能夠抵御常見(jiàn)的攻擊手段。同時(shí)，要對(duì)模型訪問(wèn)進(jìn)行嚴(yán)格控制，采用身份認(rèn)證、訪問(wèn)授權(quán)等機(jī)制，防止未經(jīng)授權(quán)的人員訪問(wèn)和使用模型。

   ?.   內(nèi)容安全：嚴(yán)格把控大模型生成內(nèi)容的安全性，避免生成虛假信息、有害內(nèi)容（如暴力、色情、歧視性言論等）。通過(guò)設(shè)置內(nèi)容過(guò)濾機(jī)制，對(duì)模型輸出進(jìn)行實(shí)時(shí)監(jiān)測(cè)與過(guò)濾。例如，利用文本分類技術(shù)對(duì)生成的文本進(jìn)行篩選，一旦檢測(cè)到有害內(nèi)容，立即阻止輸出并進(jìn)行相應(yīng)處理。同時(shí)，建立內(nèi)容安全審核機(jī)制，定期對(duì)模型生成內(nèi)容進(jìn)行人工審核，確保內(nèi)容符合社會(huì)道德與法律法規(guī)要求。

  ?. 與其他相關(guān)標(biāo)準(zhǔn)的協(xié)同關(guān)系本標(biāo)準(zhǔn)并非孤立存在，而是與其他人工智能相關(guān)標(biāo)準(zhǔn)緊密協(xié)同。與人工智能倫理標(biāo)準(zhǔn)協(xié)同，確保大模型在設(shè)計(jì)、開(kāi)發(fā)與應(yīng)用過(guò)程中遵循倫理道德原則，避免因技術(shù)濫用對(duì)社會(huì)造成負(fù)面影響。與數(shù)據(jù)安全相關(guān)標(biāo)準(zhǔn)配合，進(jìn)一步強(qiáng)化大模型訓(xùn)練與應(yīng)用過(guò)程中的數(shù)據(jù)安全保護(hù)。與自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等領(lǐng)域的專業(yè)標(biāo)準(zhǔn)呼應(yīng)，在具體任務(wù)實(shí)現(xiàn)上提供更具針對(duì)性的指導(dǎo)，共同構(gòu)建全面、系統(tǒng)的人工智能標(biāo)準(zhǔn)體系，推動(dòng)人工智能技術(shù)整體健康發(fā)展。

四、標(biāo)準(zhǔn)的重要意義

?.  推動(dòng)大模型產(chǎn)業(yè)規(guī)范化發(fā)展為大模型研發(fā)企業(yè)提供明確的技術(shù)規(guī)范與質(zhì)量標(biāo)準(zhǔn)，促使企業(yè)提升研發(fā)水平，打造高質(zhì)量、可靠的大模型產(chǎn)品。通過(guò)規(guī)范市場(chǎng)準(zhǔn)入門檻，減少低質(zhì)量、不合規(guī)產(chǎn)品的出現(xiàn)，凈化市場(chǎng)環(huán)境，促進(jìn)大模型產(chǎn)業(yè)從無(wú)序競(jìng)爭(zhēng)向有序、規(guī)范的方向發(fā)展。

?. 促進(jìn)大模型應(yīng)用拓展統(tǒng)一的標(biāo)準(zhǔn)使得不同大模型之間的兼容性與互操作性增強(qiáng)，為大模型在更多領(lǐng)域的深度應(yīng)用奠定基礎(chǔ)。企業(yè)和開(kāi)發(fā)者能夠更方便地選擇、集成合適的大模型，開(kāi)發(fā)出更豐富、高效的應(yīng)用解決方案。

?. 激勵(lì)大模型技術(shù)創(chuàng)新標(biāo)準(zhǔn)雖然設(shè)定了基本要求，但也為企業(yè)和科研機(jī)構(gòu)留出了創(chuàng)新空間。在遵循標(biāo)準(zhǔn)的基礎(chǔ)上，鼓勵(lì)各方在模型架構(gòu)創(chuàng)新、訓(xùn)練算法優(yōu)化、安全防護(hù)技術(shù)研發(fā)等方面進(jìn)行探索，推動(dòng)大模型技術(shù)不斷向前發(fā)展。

五、產(chǎn)業(yè)發(fā)展及應(yīng)用推廣方面

 ◆  規(guī)范市場(chǎng)秩序：隨著大模型技術(shù)的快速發(fā)展，市場(chǎng)上出現(xiàn)了眾多相關(guān)產(chǎn)品 和服務(wù)。該標(biāo)準(zhǔn)為大模型的開(kāi)發(fā)、制備、部署和應(yīng)用提供了明確的通用要求，有助于規(guī)范市場(chǎng)秩序，避免技術(shù)濫用和低水平重復(fù)建設(shè)，提高整個(gè)行業(yè)的質(zhì)量水平。

 ◆  助力產(chǎn)業(yè)生態(tài)構(gòu)建：標(biāo)準(zhǔn)中確立的大模型參考架構(gòu)，涵蓋了資源池、工具、數(shù)據(jù)資源、模型、行業(yè)應(yīng)用和服務(wù)平臺(tái)等多個(gè)方面，為構(gòu)建完整的產(chǎn)業(yè)生態(tài)提供了指引。這將促進(jìn)上下游企業(yè)之間的合作，形成“大模型+軟硬件+數(shù)據(jù)資源”的上游發(fā)展生態(tài)和“大模型+應(yīng)用場(chǎng)景”的下游應(yīng)用生態(tài)，推動(dòng)人工智能產(chǎn)業(yè)的規(guī)?；l(fā)展。

  ◆  提高應(yīng)用的可靠性和安全性：通過(guò)規(guī)定通用要求，標(biāo)準(zhǔn)有助于提高大模型在不同應(yīng)用場(chǎng)景中的可靠性和安全性。例如，在檔案數(shù)字化管理、干部人事檔案管理、金融、醫(yī)療等對(duì)數(shù)據(jù)安全和隱私要求較高的領(lǐng)域，標(biāo)準(zhǔn)可以指導(dǎo)企業(yè)更好地滿足相關(guān)要求，推動(dòng)大模型在這些領(lǐng)域的應(yīng)用落地。

  ◆ 加速行業(yè)應(yīng)用落地：標(biāo)準(zhǔn)為大模型在各行業(yè)的應(yīng)用提供了明確的指導(dǎo)，有助于企業(yè)快速理解和應(yīng)用大模型技術(shù)，加速其在智能制造、智慧城市、智慧教育等領(lǐng)域的應(yīng)用推廣，提升各行業(yè)的智能化水平。比如大模型能夠通過(guò)自然語(yǔ)言處理技術(shù)，實(shí)現(xiàn)檔案的智能分類和檢索。用戶可以通過(guò)自然語(yǔ)言對(duì)話的方式進(jìn)行檔案查詢，系統(tǒng)能夠理解文本中的實(shí)體、關(guān)系、情感以及上下文等信息，支持文字、語(yǔ)音、圖片（OCR識(shí)別）等多種交互形式，提供更精準(zhǔn)的檢索結(jié)果。

    GB/T 45288.1 - 2025《人工智能 大模型 第1部分：通用要求》的發(fā)布是我國(guó)大模型產(chǎn)業(yè)發(fā)展歷程中的重要里程碑。盡管在實(shí)施過(guò)程中面臨諸多挑戰(zhàn)，但隨著政府、企業(yè)、科研機(jī)構(gòu)及社會(huì)各方的協(xié)同努力，充分發(fā)揮標(biāo)準(zhǔn)的引領(lǐng)作用，必將推動(dòng)大模型產(chǎn)業(yè)邁向規(guī)范化、高質(zhì)量發(fā)展的新階段，讓大模型技術(shù)更好地服務(wù)于社會(huì)經(jīng)濟(jì)發(fā)展，為人們創(chuàng)造更多的價(jià)值與福祉。