欢迎来到《小5讲堂》
大家好，我是全栈小5。
这是《千帆平台》系列文章，每篇文章将以博主理解的角度展开讲解，
特别是针对知识点的概念进行叙说，大部分文章将会对这些概念进行实际例子验证，以此达到加深对知识点的理解和掌握。
温馨提示：博主能力有限，理解水平有限，若有不对之处望指正！

数据集作用

千帆大模型数据集是一个包含大量数据的集合，这些数据用于训练人工智能模型，特别是大型的语言模型。在人工智能领域中，数据是模型的“燃料”，是模型能够学习和理解世界的基础。数据集的质量和数量对模型的性能有着至关重要的影响。
具体来说，千帆大模型数据集的作用主要有以下几点：

提供训练数据

数据集为模型训练提供了必要的输入数据。模型通过学习这些数据中的规律和模式，逐渐提高自身的处理能力和准确性。

扩大应用场景

通过包含各种不同类型和领域的数据，千帆大模型数据集使得模型能够适应更多的应用场景和任务，如文本生成、问答系统、情感分析等。

提升模型性能

使用大规模的数据集进行训练，有助于提升模型的性能，包括准确性、泛化能力等方面。

而之所以需要对模型进行训练，是因为模型在初始状态下并不具备任何处理和理解数据的能力。通过训练，模型可以逐渐学习到数据中的规律和模式，并根据这些规律和模式进行预测和决策。训练的过程就是对模型进行优化的过程，使得模型能够更好地适应实际应用场景。

总的来说，千帆大模型数据集为模型训练提供了必要的基础和条件，而训练则是让模型具备实际应用能力的关键步骤。

创建数据集

数据集名称

支持中文、英文、数字、下划线(_)，50个字符以内，不能以下划线为开头

比如：贺岁数据集_data_24021701

数据集类型

1、Prompt+Response

2、Prompt+多Response排序

3、纯文本

4、Prompt集
单轮或多轮的文本对话数据，仅含提问，不含回答。适用于模型精调的RLHF强化学习训练。
5、Prompt+图片
文生图对话数据，文本提问与图片回答一一对应。适用于模型精调的SFT文生图大模型训练。

FAQ挖掘

通过大模型服务从上传文件中自动挖掘 FAQ 问答对，以构建数据集。
在此数据类型【Prompt+Response】下有一个FAQ挖掘选项，貌似也是收费的
1、选择服务
目前提供两个服务，ERNIE-Bot-8K、ERNIE-Bot
2、选择应用
在应用接入菜单那里添加，使用FAQ挖掘将会产生费用

保存位置

1、对象存储BOS
使用对象存储BOS，享受更大存储空间，数据高效灵活管理。
2、平台共享存储
平台提供一定免费额度的共享存储空间。对于个人开发者和入门学习者，可以选择这个

导入方式

提供多种导入放肆，本地导入、BOS导入、分享链接导入
温馨提示：因为是面向企业，所以大部分功能是收费的，个人开发者可以简单了解和体验下

相关文章

【人工智能】百度智能云千帆AppBuilder，快速构建您的专属AI原生应用

【人工智能】为什么说大模型会有「幻觉」问题，又如何去解决呢

总结：温故而知新，不同阶段重温知识点，会有不一样的认识和理解，博主将巩固一遍知识点，并以实践方式和大家分享，若能有所帮助和收获，这将是博主最大的创作动力和荣幸。也期待认识更多优秀新老博主。