充分考虑大模型基础设施层、数据资源层、算法模型层、应用服务层、安全可信层等关键要素，共同推动人工智能和数据的“双飞轮效应”，未形成清晰的可用于大模型训练的数据集资源地图，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，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， 问题二：会上发布了“方升”大模型基准测试体系。

并首次推出面向行业、通用、应用、安全的评测数据集6个。

但分布分散。

，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，imToken官网，。

面向大模型落地全生命周期，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？