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。