返回全部题目← 上一题81 / 92下一题 →题库/模型训练与对齐/Q-6124训练数据准备如何用可复用算子组织成可复现流水线？知识专题：训练数据构建与治理题目类型：方案设计技术难度：进阶题集来源：1 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录收录题集相关题目收录题集1 个来源，共6 份题集公司案例问答汇编阿东玩 AI · AgentGuide · 1 条原题查看题集 →项目:在你的问答Agent项目中,数据集构造的自动化流程是怎么实现的?数据合成与流水线专题问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →DataFlow 和传统逐个写脚本的数据处理方式有什么本质不同？后训练综合问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →工业级 SFT 数据工程怎么设计？数据合成与流水线进阶追问阿东玩 AI · AgentGuide · 1 条原题查看题集 →DataFlow 的 200+ 算子覆盖了哪些领域？SFT与指令微调阿东玩 AI · AgentGuide · 1 条原题查看题集 →【大规模数据处理后训练】在面对工业界百亿规模数据，如何合理的处理数据用于完整的后训练。 「蚂蚁集团」展开剩余 1 份题集数据与评测阿东玩 AI · AgentGuide · 2 条原题查看题集 →【ETL逻辑灵活性】为什么不用写死的ETL逻辑？ 「阿里巴巴」【海量多模态数据自动清洗管线】设计一套全自动的数据清洗、阈值过滤及课程学习管线，用于从千亿级海量多模态互联网数据（含大量水印、低俗内容）中获取高质量样本，支持快速迭代预训练，避免脏数据污染。需涵盖从最开始的收集到最终样本输出的完整流程，包括数据源选择、清洗策略、质量评估、课程学习安排等。 「京东、字节Seed、腾讯」相关题目4 题0081如何合成 Agent 训练任务，并验证任务设计带来的增益？同一知识专题题目类型：方案设计技术难度：深入相关面经：3 篇0082Coding 方向训练数据如何扩规模，如何考虑外部采购？同一知识专题题目类型：方案设计技术难度：深入相关面经：1 篇0088如何用知识图谱合成 Agent 任务？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0089训练数据如何合成与筛选？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：6 篇♥♥♥♥♥← 上一题已到最后一题← 上一题Self-Instruct 与 Evol-Instruct 如何构造指令数据，有何区别？下一题 →训练数据应一次性构建还是随反馈持续迭代，如何组织版本与验证？
