我们支持跨多种模态的数据集采集和生成，包括图像、视频、文本、音频和多模态数据。数据可根据项目需求从真实环境、授权数据集或合成生成管线获取。

我们评估模型目标、所需数据集覆盖范围和项目时间线，以确定最优来源方式。根据用例，这可能涉及真实数据采集、授权数据集以加快启动，或合成数据生成以扩展边缘案例。

是的。我们与 ML 团队合作，定义数据集规格，包括标签空间、类别平衡、覆盖范围要求和数据集分割（训练、验证、测试），以确保数据集支持训练和评估工作流。

我们将自动化验证检查与抽样审核相结合，验证数据一致性、元数据完整性和数据集分布。这些检查有助于在交付前发现缺失元数据、损坏文件或异常数据分布等问题。

我们的数据管线包括去重检查和受控数据集分割。我们还验证训练/验证/测试分区，以防止可能对模型评估产生负面影响的数据泄漏。

数据集可以根据用例以广泛使用的格式交付，包括用于计算机视觉任务的 COCO、YOLO、Pascal VOC，用于 NLP 数据集的 JSONL，以及结构化数据的 CSV 或 Parquet。

是的。我们建议随数据集附上说明文档（数据集说明书），描述数据集来源、组成、生成过程和已知局限性，以支持透明度和可重现性。

定义数据集范围和需求后，大多数试点项目可在几个工作日内开始。试点阶段通常侧重于在扩展之前验证数据采集策略和质量指标。