EU AI Act — 人工智能训练数据透明度
EU AI Act（法规(EU) 2024/1689）第53(1)(d)条要求通用人工智能（GPAI）模型的提供商在 AI Office 的标准化模板上发布一份用于训练模型的内容的公开摘要（2025 年 8 月 2 日生效）。每份摘要按模态（文本 / 图像 / 音频 / 视频）披露分区间的训练数据规模、数据采集截止时间，以及每个数据来源类别的是/否标记。已填写摘要没有统一的登记册——每家提供商以各自的格式自行发布——因此这是一个根据已存档摘要构建的跨提供商、可比较的数据集：每个披露字段一行，由提供商 × 模型 × 章节 × 字段标识。粗略的规模区间被映射为数值型 size_rank（1 / 2 / 3，0 = “不适用”），以便在提供商之间比较规模——这是一个序数等级，因此请使用 MIN/MAX/AVG 进行比较，切勿使用 SUM。覆盖范围是一个初始的、可扩展的集合（Google + Meta + Microsoft）。
披露的训练数据规模
已披露规模区间的交互式视图。每张图表都为屏幕阅读器提供文本替代。规模等级：1 = 最小区间（“少于 …”），2 = 中间范围，3 = 最大（“多于 …”）；0 = 该模态不属于训练数据。
文本训练数据规模（按模型）
每个模型文本训练数据的分区间规模，以可比较的等级（1–3）表示。Google 的 Gemini 3 Pro 和 Meta 的 Muse Spark 披露了最大区间（“超过 10 万亿个 token”）；Microsoft 的 Phi-4 模型披露了中间区间。
披露的规模等级（按模态）
每个模型为每种模态披露的可比较规模等级。等级为 0 表示该模型不在该模态上进行训练（例如仅文本的 Phi-4）。
已披露的训练数据规模区间
每份摘要按模态披露的确切规模区间（按提交内容）。区间在设计上是粗略的（模板提供固定的一组）——“不适用”表示该模态不属于训练数据。
数据截止时间与数据来源类别
每份摘要披露的数据采集截止时间和数据来源的是/否标记。空白单元格（—）是摘要未报告的字段。
Refine or extend these in the query builder (compare size_rank with MIN/MAX/AVG, never SUM), browse the full field list on the Schema page, or read the Methodology.