建设垂直领域大模型的时候，我们如何制作符合上述标准的数据集？

分4个步骤，分别是：
1、创建数据集：创建通用数据集建议以（Prompt+Response或Prompt+多Response的格式）创建，并且对于推理数据集以（prompt+response+completion的格式）创建。（通用数据集用于模型推理和微调、推理数据集用于模型评估）
2、数据标注数据标注以（Prompt+Response或Prompt+多Response的格式）的形式实现。
3、数据处理

异常清洗，文档内修改/去除问题字符串，比如替换中部分异常文本，删除多余空格等。
数据过滤，根据一些规则或模型指标，从语料库中删除整个文档，比如删除太短的、字符重复太多的文档。
数据去重，去除相似文档，减少算力浪费，降低过拟合风险。
数据脱敏，匿名化，去除账号、密码、电话号码等敏感信息。

4、数据管理对制作好的数据集进行版本、权限、归档等管理。