高質量數據是全球人工智能競爭的“勝負手”：數據質量及其包含的有用信息量是決定機器學習算法學習能力的關鍵因素。因此在將數據集提供給機器學習算法之前，確保對數據集進行檢查和預處理至關重要。高質量的數據可提高大型語言模型（LLM）的SOTA（例 phi-1），同時可大幅減少數據集大小和訓練計算，并可顯著降低 LLM 的訓練成本。