4月1日，DeepSeek关联公司杭州深度求索的人工智能基础技术研究专利公布，名为“一种广度数据采集的方法及其系统”。该发明旨在解决现有数据采集技术的问题，如无法获取完整链接、过量下载导致网站崩溃、低质及重复下载等。通过优先下载高质量网页、优化资源分配，该技术可提升数据质量和采集效率，同时减少网络资源消耗。专利还提出采用独立信息回灌队列，保障网页元信息库的安全与稳定。此技术适用于构建大语言模型所需的数据集，助力自然语言处理领域的发展。

4月2日，财联社报道，deepseek关联公司杭州深度求索人工智能基础技术研究有限公司的一项名为‘一种广度数据采集的方法及其系统’的专利已公开。该专利提出通过构建网页元信息库、设定每日下载配额等方式，优先选择高质量链接进行下载，并对已下载内容进行清洗和分析，从而优化未下载链接的质量评估，减少低质和重复下载，提升数据质量和采集效率。同时，采用独立的信息回灌队列确保网页元信息库的安全性与稳定性，降低数据采集过程中的网络资源消耗。这项技术旨在平衡数据采集范围与效率，具有较高的实用价值。