大模型时代的石油化工行业高质量数据集：挑战与机遇

罗梦杰，赵云鹏，张梦轩，石孝刚，蓝兴英（中国石油大学（北京）重质油全国重点实验室）

摘要：通用大模型性能的提升与开源生态的完善，正推动人工智能迈入行业深度赋能的新阶段。石油化工行业作为典型的流程工业，长期运行中积累了海量原始数据。然而，这些数据普遍存在碎片化、非结构化和标注不足等问题，难以直接用于大模型训练。因此，通用大模型在石化专业知识的理解和应用上仍存在局限，幻觉问题频出，制约了其在石化行业的应用。聚焦大模型在石化行业应用的关键——行业高质量数据集，系统梳理了石化行业高质量数据集建设面临的挑战与机遇。结合行业数据特征，提出了一个面向石化行业高质量数据集建设与应用的通用框架，旨在为石化行业构建适用性强、可扩展的高质量数据集体系，最后探讨了数据集赋能行业应用的前景与发展方向，以促进大模型与石化行业的深度融合与应用。

关键词： 石油化工；高质量数据集；大语言模型；人工智能；过程系统；模型；化学反应器