上海
2026年的浦江创新论坛不久前刚刚落下帷幕。在近两年浦江创新论坛上，“AI for Science”（AI4S）始终热度不减。科学数据是AI4S的关键要素，这一点已成共识。随着人工智能竞争逐渐进入下半场，现在稀缺的已不是泛泛意义上的“数据”，而是高质量语料。通用互联网文本趋于见顶、“语料荒”初现，能够给人工智能产业提供科学性、严谨性兼具的上游活水在哪里？答案恐怕就藏在出版机构——科技出版文献。科技出版文献是被严重低估的“硬核语料”，应把它放到“AI语料”中重新估值。
原文 ：《科技出版文献支撑高质量语料建设》
作者 |上海社会科学院信息研究所助理研究员 赵雪梅
图片 |网络
科学出版文献的“AI价值”
首先，科技出版文献是“完成态”的科研语料。科技出版文献以文本为主，完整包含科学研究问题的提出、研究过程、数据分析与结论，兼具科学性与严谨性，是高质量语料的重要来源。相比之下，科学数据的文本类非结构化数据偏少；科技出版文献恰好以文本为主，且自带“成稿即合规、出版即质检”的质量背书。
其次，反哺科技出版行业。随着生成式人工智能的广泛应用，出版行业正面临前所未有的压力。若能对期刊出版文献加以开发利用，研发编辑智能体，辅助编辑完成审稿、校稿等工作，出版效率提升又会释放更多、更新的优质文献回流为语料，构成自我增强的正向循环。
最后，提高人工智能输出的科学性。科学出版文献生成式人工智能系统正在取代传统搜索引擎，成为人们获取知识的新中介，民众逐渐习惯使用大模型搜索医疗、工程等科学性较高的问题，这类问题的回答高度依赖专业语料，一旦出错，将对搜索者造成不良影响。提升生成式人工智能的科学性，本质上是守护公共知识的入口，而科技出版语料正是入口处的“压舱石”。
从“文献”到“语料”
首先是标注之坎。文献要变成可用语料，标注是第一道工序。科技出版文献专业门槛高，普通标注员难以胜任；中文科技出版语料积累又不足。缺乏统一的标注规范、术语词表与质量评估标准，是更隐蔽的短板。
其次是版权之坎。绝大部分科技出版文献为非开源资料，现有版权协议和相关法律中，均缺乏关于科技出版文献再加工供人工智能使用的条款。更现实的是价格与时间双重高昂成本：一是价格成本高，人工智能训练语料需要海量文献，几十万乃至上百万篇文献的授权总价极为惊人；二是时间成本高，各类科技出版文献分属不同出版机构，使用者须逐一谈判、分别购买，将耗费极高的时间成本。
最后是供需衔接之坎。目前，科技出版业对文献数据的使用多局限于出版行业内部。从相关会议、研讨会来看，科技出版业中较少有人从事“出圈”业务。然而，经济社会发展的各个环节都需要“科技密度”较高的语料予以支撑。因此，呈现出供给侧“养在深闺”，需求侧“望梅止渴”的窘境。
把“富矿”炼成“精料”
以“出版即标注”滚动建设科技语料库。最懂科技出版内容的是专业编辑，通过培训使其掌握标注方法，并在出版流程中同步嵌入标注环节，边出版、边沉淀、边质检，逐步建立高质量中文科技出版语料库；再以新语料反向训练机器，对历史文献做机器预标注、人工校验，最终过渡到“机器主导+人工辅助”的高效流程。与此同时，配套制定标注规范、术语词表与可溯源、可审计的质量机制，使科技语料库制作更标准。
用制度创新与联盟化供给破解版权困局。首先，应研究建立面向非商业用途的版权例外或法定许可机制，即对利用科技出版文献开展非营利性活动的，允许其免费或以较低价格使用相关文献。其次，建立科技出版语料库联盟，使商业用途的使用方一次谈判即可使用多家出版机构的文献。如此，既能大幅降低科技出版文献的使用成本，又能显著扩大其使用范围。
主动扩大交流圈，积极引入数据服务。一方面，科技出版行业不能只守在流程优化里，应主动与其他行业及相关人工智能公司交流，借鉴其语料库建设与使用的先进经验。另一方面，要积极与数据服务公司对接，将文献制作成可供人工智能系统使用的语料库，借他人之手，让更多行业、更多企业用上“高科技密度”语料，把出版业的价值实现从“卖刊卖书”延伸到“卖语料、卖服务”。
文章为社会科学报“思想工坊”融媒体原创出品，原载于社会科学报第2020期第2版，未经允许禁止转载，文中内容仅代表作者观点，不代表本报立场。
本期责编：狄书一
《社会科学报》2026年征订
点击下方图片网上订报↓↓↓
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
