《大模型数据工程：架构、算法及项目实战》¶

全书目录概览¶

本书当前中文主线采用 2026 版结构，正文覆盖 28 章与 10 个端到端项目。英文版与日文版正在跟进翻译，当前以翻译状态页说明新版范围。

建立大模型数据工程的核心认知，说明数据生命周期、质量评估、平台栈和成本治理的基本框架。

面向大规模文本语料，覆盖数据来源、采集版权、清洗去重、分词序列化、高效加载和质量闭环。

处理图文、文档、视频、音频与跨模态对齐数据，关注样本结构、质量控制、标注增强和融合训练。

围绕模型对齐数据，展开 SFT 指令体系、偏好数据、奖励信号、标注平台与质量运营。

讲解从种子样本到合成数据工厂的流程，包括知识蒸馏、模型协作、质量控制和模型坍缩风险。

覆盖思维链、推理轨迹、Tool-Use、函数调用、Agent 记忆和多轮交互数据的构建与验证。

面向 RAG 和在线知识系统，说明文档解析、视觉检索、多模态 RAG、在线反馈闭环与知识更新。

从团队组织、版本管理、实验追踪和可观测性角度，构建可持续演进的数据平台能力。

说明数据合规治理、隐私保护、联邦学习和安全边界，强调工程流程中的合规门禁。

通过 10 个可运行项目，把采集、清洗、合成、RAG、Agent、DataOps、隐私保护和数据飞轮串成端到端实践。