AI 数据集可用于组织、可视化文本或多模态数据样本，还能用于批量清洗、数据标注和探查。在进行模型训练、评测及 AI 数据工作流之前，您需要依据业务类型来创建特定的数据集。

操作步骤

创建通用数据集

1. 登录 LAS 控制台。
2. 在顶部左上角根据实际情况选择地域。
3. 在左侧导航栏选择数据集 > 通用数据集，进入数据集列表页面。
4. 点击创建数据集。

以 audio 格式为例，假设数据来源路径为: tos://dataset/audio，目录结构为：

.
└── dataset
    └── audio
        ├── audio_1.mp3
        ├── audio_2.mp3
        ├── audio_3.mp3
        ├── desc
        │   └── metadata.csv -- 只会读取一级目录下的描述文件，所以此文件不会被识别为描述文件
        └── metadata.jsonl -- 只会读取一级目录下的描述文件，所以此文件会被识别为描述文件

在描述文件中，您可以以 file_name 来表示文件路径（需要是相对路径），然后用其他列来表示该路径此文件的一些元信息，例如：

{"file_name":"audio_1.mp3","size":1000,"length":11}
{"file_name":"audio_2.mp3","size":1000,"length":29}
{"file_name":"audio_3.mp3","size":1000,"length":99}

创建推理数据集

推理数据集是大模型实际应用场景中的用户输入数据集合，反映真实用户需求分布。
LAS AI 数据集与火山方舟协同支持大模型推理数据回流。您可在火山方舟中将指定的自定义推理接入点的数据，以加密的形式投递至您的专属私有 AI 数据湖中，未经授权时您的数据唯您所有、仅您可见、仅您可用。 由此借助 LAS 强大的多模态数据处理能力，开展包括预训练、评测、DPO 偏好对齐、SFT 微调、回流等下游任务，持续优化大模型训练效果，以契合业务场景需求。
以发起数据回流服务为例，若需获取详细说明，请查看下列视频。

前提条件

• 已创建火山方舟账户，且具备火山方舟 Standard 或以上权限。
• 在火山方舟内完成创建自定义推理接入点，详见查看并管理推理接入点，在配置页面须开启数据投递至私有数据湖。

操作步骤

1. 登录 LAS 控制台。
2. 在顶部左上角根据实际情况选择地域。
3. 在左侧导航栏选择数据集 > 推理数据集，进入推理结果数据集列表页面。
4. 点击前往创建，跳转至火山方舟 > 数据集 > 我的数据湖。

5. 单击管理数据投递，在弹出的列表中激活指定的自定义推理接入点作为您的数据来源。或者进入接入点详情页开启此项设置。

7. 在接入点详情页，单击对话体验即可快速调用模型进行对话，也可以通过 API 调用当前推理接入点进行访问。对话或者推理数据将自动以结构化形式入库。

8. 单击前往 AI 数据湖服务编辑数据，返回 LAS 控制台 > 数据集 > 推理数据集，查看对应推理数据集。
9. 您可通过工作流对推理数据集进行处理，处理完成后单击导出可将数据保存为通用数据集。