高质量大语言模型语料建设和管理方案

id（唯一id）,cate（类目层级）,title（标题）,content（语料内容）,source（语料来源）,created_at（语料创建时间）,updated_at（语料更新时间）, hit_words（命中敏感词）, tokens（token数量）

搜集汇总

背景与挑战

背景概述

该数据集为“高质量大语言模型语料建设和管理方案”，由拉扎斯网络科技（上海）有限公司申请，属于数据加工集合类型。数据包含语料的唯一标识、类目层级、标题、内容、来源、创建与更新时间、命中敏感词及token数量等元数据字段，旨在支撑大语言模型语料的高质量管理与构建。