Skip to content

数据工程术语表 ​

术语本专题中的含义不等同于
数据身份来源、版本、对象标识和许可共同形成的可追溯身份文件名
数据快照在给定时刻冻结、可校验的一组输入或输出对象随时变化的目录
数据血缘输入、处理规则、输出和消费者之间的可回查关系只有一张流程图
消费者契约训练、检索或评测读取数据时要求的字段与语义通用格式名称
数据污染训练或生成数据与独立评测样本发生直接或近似泄漏所有数据重复
重复组根据明确规则归为同一内容簇的一组样本必然需要全部删除的样本
数据配方来源、领域、长度、难度和采样权重的固定组合单一数据集名称
合成数据由模型、规则或工具生成,并保留生成身份与验证记录的数据自动可信的数据
执行轨迹工具调用、环境返回和最终回答组成的过程记录只有最终文本
独立评测快照与训练和候选生成隔离、版本固定的评测集合从训练集临时抽样
下游对照固定其他条件后,比较数据版本对训练、检索或性能的影响结构校验
增量运行只重算输入或规则发生变化的对象,并保留跳过依据无条件跳过已有文件

Released under the MIT License.