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，支持创建通用数据集与推理数据集。

创建数据集

创建通用数据集

通用数据集用于对齐模型行为的人类偏好数据，通过 SFT 等方式调整模型输出。

操作步骤

1. 登陆 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。

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、蒸馏等下游任务，持续优化大模型训练效果，以契合业务场景需求。
以发起模型蒸馏服务为例，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. 登陆 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。

管理数据集

数据查询

数据集创建完成后，您可以点击数据集名称在数据详情中查看基本信息，同时也支持数据内容的在线预览和查询。

标签筛选

1. 单击目标数据集的名称进入数据详情页面，单击列名右侧的图标展开筛选。

SQL查询

1. 单击目标数据集的名称进入详情页面，选择 SQL 查询进行数据筛查。
2. 在左侧控制台编写 SQL 语句，点击开始查询按钮执行检索任务，右侧显示查询结果。如需重置SQL语句请单击重置按钮。

数据新增

支持对数据集新增数据，但新增数据的格式需要与当前数据集的格式相同。

1. 在目标数据集右侧功能项选择新增，进入新增数据页面。
2. 参数配置会自动依据当前数据集的数据集名称、数据类型、格式进行配置，您只需要添加新增数据的 TOS 路径即可完成新增。

数据导出

支持数据集的导出能力，支持导出至对象存储、火山方舟以及新的版本数据集，用于后续的模型训练。
LAS AI目前支持如下两种方式导出数据。

• 在 LAS 控制台 > 数据集 > 数据详情页面，单击导出数据，导出指定数据集。
• 在 LAS 控制台 > 数据集 > SQL查询页面，将 SQL 查询结果导出。

数据集日志

数据集创建完成后，支持查看数据集的所有操作变更记录，您可以在数据集-操作记录中查看。