IT之家从博客获悉，OpenAI称：“为了最终使AI变得更加安全且造福于全人类，我们希望AI模型能够深入理解所有主题、行业、文化和语言，这需要尽可能广泛的训练数据集。”
作为数据合作伙伴计划的一部分，OpenAI表示，它将收集“反映人类社会”且目前不易在线访问的“大规模”数据集。虽然该公司计划跨多种模式开展工作，包括图像、音频和
视频，但它特别寻求跨不同语言、主题和格式“表达人类意图”（例如长篇写作或对话）的数据。
OpenAI表示，如有必要，它将与组织合作，结合使用光学字符识别和自动语音识别工具，对训练数据进行数字化，并在必要时删除敏感或个人信息。
OpenAI希望创建两种类型的数据集：一个可供任何人在AI模型训练中使用的公开开源数据集，以及一组用于训练专有AI模型的私有数据集。
OpenAI表示，私有集适用于希望保持数据私密性但希望OpenAI的模型更好地理解其领域的组织；到目前为止，OpenAI与冰岛政府和Miðeind ehf合作，提高了GPT-4说冰岛语的能力，并与自由法律项目合作，提高其模型对法律文件的理解。
