更新时间：2026-03-13 GMT+08:00
数据精炼
数据精炼是面向大模型训练的“清洗+合成”一体化数据准备方案。如果您的数据处于“原始粗糙”或“样本匮乏”状态——无论是需要去除HTML标签与乱码的预训练语料清洗，还是需要对少量种子数据进行扩充与润色的SFT指令微调增强，亦或是涉及隐私信息的安全合规脱敏——数据精炼均能通过丰富的数据处理算子编排为一条流水线，将原始数据转化为高质量、高多样性且安全合规的训练数据集。
约束限制
- 合成算子位置限制：合成算子必须且只能放置在工作流的最后一个节点。不支持插入到加工算子中间，也不支持后接其他过滤算子。
- 模态限制：
- 仅支持同模态合成（如文本输入 -> 文本输出）。
- 不支持跨模态生成（如输入文本生成问答对、输出文本生成图像等）。
- 功能限制：
- 不支持自定义合成指令（Prompt），不支持模板功能。
- 不支持合成任务的在线调测。
- 合成算子输出字段固定，但会自动保留输入数据集中的原始字段。
- 数据量与质检：
- 不支持用户自定义合成数据的输出条数（系统根据输入自动处理）。
- 不支持对合成结果进行自动质检过滤。
- 合成结果将输出到新数据集，不支持自动与原始数据集合并。
创建数据精炼任务
创建数据精炼任务，请参见创建数据精炼。
