如今，大模型在通用和专用领域应用中都取得了显著进展。然而，其成功离不开高质量数据的“喂养”。本期SPP报告首先介绍大模型数据的"IaaS"概念，即高质量的大模型数据应具备四个关键特性：（1）包含性（Inclusiveness）：确保数据覆盖广泛的领域和类型；（2）冗余性（Abundance）：通过适度的数据重复增强模型的学习效果；（3）高质量（Articulation）：保证数据的准确性、相关性和有用性;(4)无害化（Sanitization）：确保数据经过伦理审查，不包含有害内容或隐私信息。这一框架贯穿于LLM的各个阶段，包括预训练、持续预训练、微调、强化学习、检索增强生成（RAG）、LLM代理和评估等。围绕“IaaS”框架，报告还将介绍LLM全生命周期中的数据处理技术，包括数据去重、数据过滤、数据混合与选择、数据成与标注等。欢迎关注本期SPP：6月25日（本周三）19:30—21:00。