文 | 新态度 Pro体育游戏app平台
Reddit 在往时的 2024 年算得上是容光开心。这家创立了近 20 年的酬酢平台，去年 3 月在纽交所完成上市，并在上市后的第三季度达成初度盈利，到刻下股票已涨到上市首日开盘价的 350% 傍边。
上市成效、初度盈利和股票暴涨的无外乎来自合并原因—— AI。
Reddit 上的推行，具有进一步发展 AI 大模子期间所需要的语料库质地。
去年 2 月，Reddit 和 Google 达成合同，Reddit 推行可用于锻练谷歌的东谈主工智能模子，这项合同价值约每年 6000 万好意思元。Reddit 称："咱们深信，咱们不停增长的平台数据将成为逾越大型言语模子（" LLM "）培训的时弊要素，并成为 Reddit 的稀奇盈利渠谈。"
上市后的 5 月，Reddit 和 OpenAI 也斥地雷同互助相干，Reddit 的问答推行将被带入 OpenAI 旗下居品，Reddit 平台的裁剪功能和附加模组也将加入由 OpenAI 期间驱动的 AI 功能。该互助是双向的，OpenAI 为 Reddit 平台提供期间，Reddit 为 OpenAI 提供语料。
那么多 UGC 酬酢平台，为什么偏巧 Reddit 成为这些 AI 大模子厂商爱重的语料供应商？
业务生态上，Reddit 是一个相对孤独的平台，其背后由多个利益集团及个东谈主控股（康泰纳仕集团、腾讯等），而不像国内的一些酬酢平台母公司会领有丰富的居品生态以及产业链，无需顾及自身的生态组合，语料可以作为互助时的筹码进行交游。
推行模式上，Reddit 通过 subReddit（子论坛）来组织推行，用户可以创建和加入不同的子论坛，在其中发帖和挑剔。用户还可以对帖子和挑剔进行"点赞"或"点踩"，被点赞的推行会获取更多的曝光契机，而被点踩的推行可能会被折叠或荫藏，造成了较好的语料产出正向轮回，与知乎、豆瓣等雷同。
发展阶段上，正如上述所说， 创立了二十年的 Reddit 去年才开动盈利，收入结构单一，此前主要收入开首是平台告白，当今（指近两年的 AI 大模子时间）对于 Reddit 来说便是最佳的业务拓展以求盈利的时机。
那么以此为模板来分析国内具有较多笔墨语料且业务较为孤独的 UGC 平台，B 站，小红书，微博，豆瓣，知乎，贴吧，在这几个平台之中，对比各方面情况，咱们可以约莫瞻望一下谁最有可能在 2025 年景为 AI 时间的中国 Reddit。
01、谁能卖语料，谁有好语料
缺乏来说，扫数的大模子锻练语料开首都得是正当且许可的推行渠谈，如 OpenAI 的语料开首，包括以下五种：
1、Common Crawl：基于大限制网页抓取造成的数据集，由同名的非谋利机构扫数；
2、WebText：由 OpenAI 构建的一个专注于文档质地的收罗文本语料库，数据量为 40GB，用于 GPT-2、GPT-3 等模子的锻练；
3、维基百科；
4、竹帛和期刊；
5、酬酢媒体推行，举例 Reddit 等酬酢媒体平台上的推行。
不出丑出，前四项的语料渠谈比较起第五项会短缺一些"东谈主味"，酬酢媒体为 AI 带来的语料具有愈加落地的警告性以及即时性。自身短缺"东谈主味"语料库的 AI 厂商可能将会开动在各大 UGC 酬酢软件之中寻找一些合适的主见。
虽然并不是扫数 UGC 酬酢平台的业务模式都能卖语料。如微信生态内的公众号，小绿书等推行渠谈。从其母公司的角度来讲，微信生态内的语料质地以致会是腾讯在 AI 时间的荫藏杀手锏之一，至于具体如何用起来便是后话了，本文不作念赘述。
雷同情况确虽然还有抖音的母公司字节（只是其更多为视频图像推行），这些以酬酢平台为交易帝国根基的大厂，同期又布局了云贪图，并在 AI 时间布局了大模子，都会将自身平台推行抓在我方手里。
而其他相对比较孤独的 C 端酬酢平台居品，尤其是推行以笔墨类为主的平台，都有契机在接下来的 AI 时间，像 Reddit 一样老树发新芽。因此，B 站，小红书，微博，豆瓣，知乎，贴吧是指的进一步征询的平台。
表面上来说，惟灵验户没看法，平台就可以处置这些语料，这触及到平台跟用户的推行合同，对于用户合同后文会提到，此处按下不表。
这时期更时弊的问题是，厂商如何判定谁的语料更好更适合我方？
平台上用户自觉的推行判定机制会成为重要身分，以 Reddit 为例，用户可以对帖子和挑剔进行"点赞"或"点踩"，这造成了较好的语料产出正向轮回。跟现如今用户使用各大 AI 软件时为生成的推行点赞点踩的作用是一样的，荒谬于 AI 锻练阶段的东谈主工"数据标注"责任。
虽然，平台自身的推行判定机制也很进军，平台的"机审"机制可以手脚是大模子发展向东谈主类看都的"超等对都"口头。
还有平台用户画像跟 AI 的适配度，这就怕要把柄厂交易务自身需求来。而在莫得具体需求时，用户画像更多元，年事、性别、地舆位置、受锻练进度等各个维度更平衡，粘性更高的平台语料更好。
虽然以上仅为分析模板，对于 B 站，小红书，微博，豆瓣，知乎等平台在以上这三个方面的发扬，需要在此模板上愈加精细的平台语料调研。
而笔者在此处初步推测，要是是想要用来锻练一款面向相对较年青群体（这部分为消耗主力军）的 AGI，那么在这三方面得分率较高的平台有 B 站，小红书，微博。因此，这三个平台将干预下一轮筛选。
02、谁想卖语料，如何卖语料
只不外在厂商眼里适合的主见，却不一定想卖。
B 站，小红书，微博这三者中，最不想卖的应该便是小红书。这是因为，小红书刻下的发展阶段不适合将自身平台语料出售。
交易模式上来讲，小红书正处于交易化探索上升期。此前《新态度》的著述就提过：小红书 2024 年四季过活均搜索量曾经来到了 6 亿次隔壁，而昨年年中这一目的照旧 3 亿傍边。要是勾搭此前双十一事后小红书发布的战报，"成交破千万的商家同比是去年的 5.4 倍"、"单场破千万的买手同比是去年的 3.6 倍"这些信息来看，小红书通盘生态的增长是有推行和交游双维度数据提拔的。
财务气象上来讲，小红书也许并不算太缺钱。英国《金融时报》曾报谈，小红书在 2023 岁首度达成盈利。小红书 2023 年的营收达到 37 亿好意思元，增长 85% ；净利润为 5 亿好意思元。尽管 2024 年年中小红书曾经裁人，但从裁人神态来看，更接近业务转机。
另外，小红书刻下我方也正在平台内测试多个 AI 功能。包括但不限于搜索后果页的 AI 记忆，一些 AI 推行生成玩法等。
从 Reddit 跟 OpenAI 的互助中不出丑出，互助算是双向的， Reddit 为大模子厂商提供语料的同期，大模子厂商也会为平台提供期间救助。但小红书可能并不想成为其他厂商的语料供应商，反而，小红书需要的是大模子的供应商，偏向于在对于 AI 的互助中成为都备的甲方。
而从 B 站和微博刻下的发展阶段和交易模式来看，笔者以为都是适合跟大模子厂商达成 Reddit 模式互助的。
2024 年 B 站曾经与 kimi 有较为深度的互助，包括 kimi 在 B 站投放告白，以及 kimi 生成的后果信源之中包括 B 站。虽然，只是只可考试到 kimi 有将 B 站作为信息生成的信源，暂无法证实 kimi 是否有将 B 站的推行作为锻练数据。然则有了这种进度的互助，更进一步的互助模式卡点当然会更少。
就 B 站自己而言，刻下交易模式基本曾经细目，去年第三季度初度达成单季度盈利，接下来有望靠着告白等业务板块的增长赓续盈利。
B 站的推行储备量及质地较高，长视频推行相等适合振荡成笔墨，同期具有大批的不雅点性念念考，加之也有粘性较高的社区氛围，包括"一键三连"在内等推行判定机制能够较好造成优质推行产出轮回。
只不外，由于将平台推行用于跟大模子厂商互助之前，最需要先经管的是用户合同。更具体来说，对 B 站有平台忠诚度的用户是否能汲取我方的挑剔、视频、笔墨等推行用于 AI 锻练，或如何让用户汲取，这将是最大的卡点。
而微博跟 B 站的发展阶段一样曾经趋于清晰。此前《新态度》著述也提到过，微博当今作念的事，是"提纯"这个平台的深度用户，让他们的价值"结晶"。从用户数据来看，微博的月活基本清晰在 5.8 亿险峻，环比波动不大。从 2023Q4 到 2024Q2，微博的月活用户数辞别为 5.98、5.88 和 5.83 亿，其用户定位和使用场景都曾经填塞了了，是以在高强度的驾御力竞争顶用户限制还能保持相对清晰。
只不外与 B 站不同的是，微博用户对于我方的推行被用来生成 AI 推行似乎并不放弃。微博的挑剔机器东谈主"罗伯特"便是一个很好的例子。
当今微博不同的圈子、用户挑剔区内，罗伯独有不同的发言作风，以致罗伯特曾经成为普及微博用户粘性的妙技之一。在促进用户粘性的同期，还能促进通盘平台用户对 AI 的高汲取进度，达成这么的平衡并拦阻易。
是以综上看来，要是短缺语料库的大模子厂商需要找到一个活东谈主多的酬酢平台作为语料供应商，微博可能会是一个可以的选项。
要是不是微博，需要真正语料库的大模子厂商也可以考试有哪个酬酢平台的用户心智同期得志以上，能够在用户心里达成"我想在你这里说忠诚话"同期"我不在乎我在你这里说的话被拿去喂 AI "，或者想要成为语料库供应商的酬酢软件可以向这个标的逼近。
而对于如何卖语料，正如上述所说，作念好平台和用户的推行合同是第一步。
03、写在临了
ChatGPT 刚爆火时期，有音书称其华文陈说信源来自知乎后，知乎的股价就有所高涨。也许知乎等平台也可以纳入探讨规模，但篇幅有限，此处未几赘述。
而语料库的用户瓦解将如何影响大模子的锻练，好意思国大模子圈有一个案例可让咱们具体感知。
2023 岁首，OpenAI 刚走进人人视线没多久就有一个"丑闻"爆出，OpenAI 原来对外称我方有一个 40 东谈主傍边的数据标注团队，而音书则称 OpenAI 在肯尼亚有一家外包公司为其提供数据标注干事，以每小时不到 2 好意思元的价钱雇佣肯尼亚工东谈主打标签。
当今来看，大模子厂商使用第三方数据标注干事曾经成为公开的事情。只是要是"肯尼亚"这个信息点是真，这大略意味着在其时期的大模子圈，像 OpenAI 这么操作的也不啻一家。
2024 岁首，谷歌 Gemini 大模子生成图像幸免白东谈主推行的事情曾闹得沸沸扬扬，似乎跟上述 OpenAI 雇佣肯尼亚的数据标注外包团队的事情殊途同归。
不外有极少不必置疑，酬酢平台用户作风是什么样，其作为语料供应商所锻练的 AI 极大可能也会领有不异的"脾气"。
可以笃定的是体育游戏app平台，2025 的 AI 锻练行将干预语料比拼阶段。
