高质量数据集的类型

人工智能的快速发展对数据治理提出了新的要求。传统数据治理的目标是将数据资源加工成人能看懂的数据产品典型形态就是领导驾驶舱和应急指挥调度大屏数智时代数据治理的目标是将数据资源加工成机器或智能体能识别、学习、处理的数据产品典型的形态就是应用于大模型预训练的高质量数据和大模型微调、对齐、评测、推理的高质量数据集。数据资源是各种有价值的信息、数据、元数据、属性的总称。按照来源主体不同数据可以分为个人数据、企业数据和公共数据按照数据格式不同数据可以分为结构化数据、半结构化数据和非结构化数据等。数据资源具有数量多、潜在价值大、处理工艺简单等特点。高质量数据是将原始数据资源经去重、去噪、目录化、体系化等初步加工处理形成的数据产品。在数字化发展阶段高质量数据主要用于加工生产报表、决策系统、产品预测等企业BI产品在数智化发展新阶段大规模的高质量数据主要用于大模型的预训练。高质量数据具有规模较大、价值较高、加工处理工艺较简单等特点。高质量数据集是将经过标注、增强、质检等加工处理方法形成的数据产品。高质量数据集主要用于大模型的微调、对齐、测评、推理等过程具有规模小、价值高、加工处理工艺复杂等特点。高质量数据集主要指经过采集、加工等数据处理可直接用于开发和训练人工智能模型能有效提升模型性能的数据集合。包括通识数据集、行业通识数据集和行业专识数据集等类型。通识数据集是由蕴含通用知识的数据组成的数据集。面向社会公众的通用知识主要包括基础概念、通用原理和典型事例等方面内容无需专业背景即可理解和应用具有广泛性、基础性和常识性等特点。行业通识数据集是由蕴含行业领域通用知识的数据组成的数据集。行业领域通用知识包括行业领域基础理论、通用技术和共性业务等行业知识需要一定的专业背景方可理解和应用在行业领域内部具有普适性和共识性等特点。行业专识数据集是由蕴含行业领域专业知识的数据组成的数据集。行业领域专业知识是指面向行业领域机构内部业务人员的专业知识具有场景针对性、组织机构专属性和实践经验积累性等特点。主要包括从研发、生产、管理、营销和服务等业务环节中产生和积累的知识需要较深的行业背景和具体业务经验方可理解和应用。