数据与评测
【样本不均衡处理】数据集的正样本负样本是怎么样的一个比例？ 「京东」
原题【CoT人工标注方法】追问2：如何对上述CoT实施人工标注？描述CoT（思维链）数据的人工标注流程，包括标注规范、质量控制等。 「字节Seed」
原题【反馈数据用于训练】馈好的数据，具体会怎么用于训练？讨论如何将反馈数据（如人类反馈）用于模型训练，例如强化学习、微调等。 「字节Seed」
原题【合成数据质量保证】合成数据质量如何保证？ 「美团」
原题【困难数据筛选】高价值难例是怎么筛选的？描述困难数据筛选的方法，如基于模型不确定性、损失值、多样性等。 「蚂蚁集团」
原题【困难负样本构造】困难负样本是如何做的？ 「腾讯」
原题【多模态数据比例失调】如何处理训练数据中图像和文本比例严重失调(如1:100)的情况？ 「腾讯」
原题【微调数据构造】SFT的数据怎么造的？给一个场景，怎么去造数据？要考虑哪些？在微调Qwen的时候，数据是怎么构造的？有用到什么数据清洗方法吗（如去重、降噪、格式标准化）？数据配比是怎么做的（如通用数据与领域数据的比例）？ 「腾讯、腾讯混元、蚂蚁集团」
原题微调数据集如何构建、清洗、去重、标注？劣质数据会导致什么问题？请结合项目中的微调数据集结构、规模，以及数据清洗和质量验证步骤详细介绍。
指令数据集怎么构建的？数据是怎么构建的？怎么构造高质量训练集？怎么体现训练集高质量？怎么通过定义的核心组件Dataset来做？
数据和prompt构建的过程。
数据集构建怎么做：数据爬取、高质量数据筛选流程？
样本如何构造的？训练数据是怎么构建的？项目中训练样本如何构建的，输出的格式？
原题完整原题
【微调数据集构建与清洗】微调数据集如何构建、清洗、去重、标注？劣质数据会导致什么问题？请结合项目中的微调数据集结构、规模，以及数据清洗和质量验证步骤详细介绍。指令数据集怎么构建的？数据是怎么构建的？怎么构造高质量训练集？怎么体现训练集高质量？怎么通过定义的核心组件Dataset来做？数据和prompt构建的过程。数据集构建怎么做：数据爬取、高质量数据筛选流程？样本如何构造的？训练数据是怎么构建的？项目中训练样本如何构建的，输出的格式？ 「京东、字节跳动、腾讯、腾讯混元、阿里巴巴、阿里通义」
【教师模型温度设置】教师模型打标答案的时候温度怎么设置？ 「腾讯」
原题
暂无题目