Data · L3
私有知识与数据
L3 = 外部数据集 + 内部知识库 + 训练/评测数据集。不含代理、爬虫出口或采集通道。
E
外部数据集
公开、采购或授权的第三方集、开源语料与行业基准，用于冷启动和对照。
I
内部知识库
私有文档、制度、案例和多媒体。支持检索、权限控制和版本化索引。
T
训练与评测集
从外部集和内部知识策展得到的指令集、偏好集和冻结评测集。
训练相关分级（落在 T）
| 级别 | 名称 | 可训 | 说明 |
|---|---|---|---|
| D0 | 原始入库 | 否 | 未清洗导入包；授权未清 |
| D1 | 清洗库 | 条件 | 去重、敏感信息、质量分、领域标签 |
| D2 | 指令/任务集 | 是 | 指令微调的主要输入 |
| D3 | 偏好对 | 是 | 偏好优化 |
| D4 | 冻结评测集 | 否 | 发布门禁；永不进入训练 |
内部知识库最低能力
- 摄入：文档、表格、音视频转写入库
- 切片与索引：向量与可选关键词，版本化
- 权限：租户、角色和文库级控制
- 检索接口：供 Agent 与人工使用，并审计命中
- 与训练集的边界：知识库不是自动可训；进入 D2 或 D3 必须策展发布