高质量数据集建设指引2025年8月
前言党的十八大以来。以习近平同志为核心的党中央高度重视我国新一代人工智能发展。习近平总书记深刻把握世界科技发展大势。洞察人工智能的战略意义,在二十届中央政治局第二十次集体学习时指出。“人工智能作为引领新一轮科技革命和产业变革的战略性技术。深刻改变人类生产生活方式。“我国数据咨源丰富、产业体系完备应用场景广阔,市场空间巨大。"这为把握智能化浪潮,释放数据要素随着大模型技术应用的快速发展人智能的研发重点正从“雷作用日益凸显，数据作为人工智能发展的三大核心要素之一。已成为工智能高质量数据集建设，夯实人工智能发展数据基础。对于推动“人了知能4”场暑被地且有重要意义。国家数据局联合部门名地区，构建起“部门协同、央地联动”的工作机制、联合施策、协同发力，积极引导做好高质量数据集建设工作明确提出"人T知能+’行动到哪里,高质量数据集的建设和推广就要到哪里"由国家数据局指导,中国信息通信研究院、国家数据发展研究院、中国电子技术标准化研究院、国家信息中心、国家发展和改革委员会创新驱动发展中心、中国电子信息产业发展研究院等单位。在充分调研的基础上,编制《高质量数据集建设指引》。总结高质量数据集建设方法论、指导推进高质量数据集建设，力争为人工智能纵深发展提供有力支撑。
目录高质量数据集建设背景一、.I(一)高质量数据集的发展背景13高质量数据集的概念内涵....(三)高质量数据集的分类5二、高质量数据集应用需求X（一）基础认知层数据集需求建立世界的基本认知.(二)场景理解层数据集需求解析复杂场景关系10(三)行动规划层数据集需求规划执行具体行动3三、高质量数据集建设现状17（一)全球高质量数据集建设现状17（二)我国高质量数据集建设现状(三)高质量数据集建设困难与挑战21.......................四、高质量数据集建设方法与实践24..(一)典型建设模式24（二)建设核心环节(三)建设核心技术)28（四）33数据集质量评价五、高质量数据集建设运营体系40(一)高质量数据集体系规划40(二).............1（三)高质量数据集运营管理42六、高质量数据集建设推进思路45
（(一)体系化布局高质量数据集建设。..45（二）1.........47设施化推进高质量数据集应用（三）生态化赋能高质量数据集发展-4
一、高质量数据集建设背景(一)高质量数据集的发展背景在以人工智能为代表的新一轮科技革命和产业变革深入推进的大背景下,数据正日益成为国家基础性战略咨源和关键性生严要素高质量数据集作为人工智能发展的基础支撑其审要地位不断上升，成为驱动技术创新、赋能产业升级和提升治理能力的重要抓手。当前,高质量数据集的建设正处于政策驱1.高质量数据集成为人工智能发展核心支撑人工智能技术迈入大模型时代后,研发重点从“重点优化模刑架构"转向“模型与数据协同优化",其中高质量数据的作用日益凸显。主要表现在:一是将数据视为活的资产。不再是一次性收集、处理后就束之高阁的静态文件,而是一个需要持续投资、管理、监控和优化的动态、演进的战略资产。二是用自动化的、可编程的、可扩展的数据处理流程。取代手动的一次性的数据处理工作，系统性处理海量数据并能提升数据质量、三是整合领域专家，将拥有深厚行业知识的主题专家直接整合到数据处理的流水线中。专家知识被用来定义数据标准。标注复杂案例、识别数据中的细微偏差。从而将领域智慧注入数据。四是建立模型反馈闭环，将模型在实际应用中的错误作为诊断信号，用来发现数据中的问题(如标签错误、数据分布不均、边界案例缺失等】，然后有针对性地改进数据集中此就形成了一个“数据飞轮"效应，更好的数据训练出更好的模
型，更好的模型反过来帮助获得更好的数据。大模型参数规模指数级增长与多模态能力的拓展数据雪求从“量级积累"转向“量质并重”。例如，以OpenAI为代表的国际领先科技企业正通过强化微调等技术手段，依托小规模伯高度精准精细化、结构化的高质量数据集，实现大模型在垂直领域的专业化和实用化演进。这种“以质取胜"的数据策略显着提升了模型性能与落地能力。而DeepSeek模型在复杂逻辑推理任务中取得突破性进展,源于其R1模型...
