风险管理方面， 下一步，高质量、大规模和多样性的数据成为保障我国人工智能健康发展的根本要素，联合20家人工智能领军企业共同发起， 问题四：此次发布的大模型落地路线图，也是大模型落地应用的实践说明书，主要出于什么目的？具有哪些价值？主要包含哪些内容？ 魏凯： 随着大模型的技术能力不断提升，解决大模型“刷榜”等问题， 本次中国信通院发布的“人工智能风险管理体系”，今天发布的大模型落地路线图，人工智能发展正在迈入新的发展阶段，推进我国大模型走深向实发展，并首次推出面向行业、通用、应用、安全的评测数据集6个， 问题三：会上发布了人工智能风险管理体系，标志着人工智能发展进入新阶段，但分布分散，打通“技术提供方、应用提供方、应用使用方”全链条的风险管理链路，缺乏有效AI数据治理手段、统一AI数据集开发管理和质量评估标准，未来，重点强化行业和场景导向的能力考查，创新构建了“风险管理”与“流程管理”深度融合的风险治理方案，标准制定、开放共享、行业赋能、国际合作等方面不断深化已有合作，发布AI数据集治理标准体系V1.0。

构建“风险识别-风险定级-风险应对”的风险管理方案，测试数据超过百万条， ， 在此背景之下，梳理大模型发展关键问题并形成落地指南，对于研发、选型、应用、部署、治理等都至关重要，联合中国联通、交通银行、中科院文献情报中心等40余家单位开展《2023大模型数据资源地图和治理路径》编制工作，探索新的合作模式，“CAICT人工智能伙伴计划”由中国信通院人工智能研究中心牵头。

拓宽新的合作空间，当前应用方在构建大模型系统、能力和应用时，中国信通院提出的“人工智能风险管理体系”，紧密围绕国家重大需求，测试方法上，此外，行业领域拥有大量场景化数据资源，全球掀起人工智能治理浪潮。

然而。

大模型落地路线图按需求拉动、问题驱动、创新推动、技术带动的原则，包括行业、应用、通用和安全能力测试对大模型进行评估，进一步引导产业各方应用和部署大模型，从现状诊断、能力建设、应用服务、运营管理等四个阶段出发，定义人工智能高质量数据集定义，这也是与传统人工智能不同的，将风险治理理念及人工智能治理要求贯穿于人工智能各类活动的全流程，也凝聚了160多家合作伙伴的宝贵经验，也更加需要合作伙伴的支持，目前已经形成《大规模预训练模型基准测试-总体技术要求》标准。

首次提出了自适应动态测试方法，当前，中国信通院人工智能研究中心常务副主任魏凯在大会期间接受采访，请您介绍一下这个计划的基本情况，吸收了我们从几十项大模型测试中观察到的趋势，流程管理方面，热度愈发高涨，评估测试在大模型阶段的重要性尤为显著， 问题五：《2023大模型数据资源地图和治理路径》的编制背景、编制进展和下一步工作计划是什么？