《大模型数据：原理、技术与实战》

内容简介

《大模型数据：原理、技术与实战》是一本聚焦大模型核心底座的数据工程专业著作，跳出单纯的模型算法讲解，立足“数据决定大模型上限”的核心逻辑，系统梳理大模型数据全生命周期的原理体系、核心技术与落地方法，填补了大模型数据工程实操领域的内容空白。

全书内容层层递进、兼顾理论与落地。基础层面，详细拆解大模型数据核心原理，清晰区分预训练、微调、RAG等不同场景的数据特征，阐明数据质量、数据分布与模型性能的内在关联，帮助读者搭建完整的大模型数据知识框架。技术层面，全面覆盖数据核心工程链路，涵盖海量数据采集、精细化清洗、结构化解析、专业标注等基础工序，同时深入讲解通用、代码、多模态数据合成与增强技术，以及多维度数据质量评估体系。

《大模型数据：原理、技术与实战》本书兼顾前沿合规与产业落地，专门探讨大模型数据的版权保护、隐私安全、合规监管等行业痛点问题，贴合当下AI产业规范化发展需求。同时摒弃空洞理论堆砌，搭配PDF垂类模型优化等真实实战案例，完整还原从数据处理、模型优化到落地应用的全流程，实操性极强。

本书适合AI算法工程师、数据工程师、技术从业者及高校相关专业师生阅读，是一本系统掌握大模型数据工程技术、实现从理论认知到实战落地的优质专业读物。

作者简介

👤 何聪辉

清华大学博士，上海人工智能实验室青年科学家、大模型数据负责人，商汤科技高级研究总监，入选第五届上海科技青年 35 人引领计划。长期深耕高性能计算与 AI 数据基础设施交叉领域，专注通用人工智能数据基座建设。在国际计算机顶会发表论文 200 余篇，谷歌学术引用超万次，曾获戈登・贝尔奖、ACL 最佳主题论文奖等重要奖项。主导开源智能文档解析引擎 MinerU，GitHub 星标 5 万 +，被国内百家企业落地使用；搭建开放数据平台 OpenDataLab，构建的 OmniDocBench 评测基准被 Gemini、GPT 等国际大模型官方采纳。

👤 吴郦军

上海人工智能实验室青年科学家，上海交通大学、复旦大学博士生导师，上海市高层次青年人才计划入选者。主要研究方向为大模型、数据智能与 AI for Science，在 Nature 子刊及国际顶级会议发表论文 90 余篇，担任 ICML、NeurIPS、ICLR、ACL 等顶会领域主席，NeurIPS 2026 E&D Track 主席。曾获微软亚洲研究院微软学者奖学金，作为核心成员拿下 WMT 全球机器翻译大赛多项冠军，在大模型数据合成、多模态数据治理、科学 AI 方向拥有丰富科研与工程实践经验。

👤 张文涛

北京大学研究员、博士生导师，上海人工智能实验室科研顾问，曾任职腾讯、Apple AIML、加拿大 Mila 人工智能实验室。研究聚焦以数据为中心的机器学习、大模型数据构建、AI for Science，主持国家自然科学基金等多项国家级科研项目上海人工智…。在 ICML、NeurIPS、ICLR 等国际会议发表百余篇论文，多次斩获国际学术竞赛奖项，开源 DCML 大模型数据处理工具链，长期从事高质量训练数据、数据增强、数据评估的技术研究，推动大模型数据技术学术界与产业界的结合落地。