跳转至
大模型数据工程：架构、算法及项目实战
项目十三：多模态指令⼯⼚
简体中文
English
日本語
正在初始化搜索引擎
GitHub
大模型数据工程：架构、算法及项目实战
GitHub
目录
序言
第一篇：总论与基础设施
第一篇：总论与基础设施
第1章：大模型时代的数据变革
第2章：LLM数据生命周期与质量评估框架
第3章：AI原生数据栈与成本治理
第二篇：文本预训练数据工程
第二篇：文本预训练数据工程
第4章：数据源、采集与版权
第5章：清洗、去重与去污染
第6章：分词、序列化与高效加载
第7章：数据评估、质量闭环与运营迭代
第三篇：多模态数据工程
第三篇：多模态数据工程
第8章：图文对数据工程
第9章：重标注与文档理解
第10章：视频与音频数据工程
第11章：跨模态对齐与融合
第四篇：指令微调与偏好数据
第四篇：指令微调与偏好数据
第12章：SFT数据设计与指令体系
第13章：偏好数据与奖励信号
第14章：标注平台、QA体系与数据运营
第五篇：合成数据工程
第五篇：合成数据工程
第15章：合成数据工厂：从种子到验证
第16章：知识蒸馏与模型协作
第17章：合成数据质量控制与模型坍缩
第六篇：推理与 Agent 数据工程
第六篇：推理与 Agent 数据工程
第18章：思维链与推理数据工程
第19章：Tool-Use 与函数调用数据
第20章：Agent 记忆与多轮交互数据
第七篇：应用级数据工程
第七篇：应用级数据工程
第21章：RAG 数据流水线
第22章：多模态 RAG 与视觉检索
第23章：在线反馈闭环与知识更新
第八篇：数据运营与平台建设
第八篇：数据运营与平台建设
第24章：DataOps 飞轮与团队组织
第25章：数据版本管理与实验追踪
第26章：数据平台可观测性
第九篇：隐私合规与数据安全
第九篇：隐私合规与数据安全
第27章：数据合规框架与治理
第28章：联邦学习与隐私保护技术
第十篇：项目实战
第十篇：项目实战
项目一：基于 Ray 构建分布式 Mini-C4 数据流水线
项目二：垂直领域专家 SFT（法律）
项目三：LLaVA 多模态指令数据工厂
项目四：合成数学与代码教材工厂
项目五：多模态 RAG 企业财报助手
项目六：CoT 推理数据集构建与 PRM 训练
项目七：Agent Tool-Use 数据工厂
项目八：企业级 DataOps 平台搭建：从数据项目到组织级治理能力
项目九：隐私保护数据流水线
项目十：端到端 LLM 数据飞轮
第十一篇：开源⼤模型数据⼯程实战
第十一篇：开源⼤模型数据⼯程实战
第29章：LLM 预训练数据配⽅
第30章：LLM 后训练数据工程实战：SFT 与偏好对齐
第31章：推理模型与 RL 数据工程：R1 / QwQ 范式
第32章：多模态理解 VLM
第33章：多模态生成模型数据工程——T2I 与 T2V 数据流水线
项目十一：Mini-DeepSeek 预训练复现
项目十二：R1 推理飞轮
项目十三：多模态指令⼯⼚
项目十四：视频生成数据集——从视频源到可用于 T2V 训练的数据流水线
多模态指令⼯⼚
¶
回到页面顶部