data centric techs for large language model
现在LLM某种程度上作为一种数据容器，data-centric AI 变成围绕这个数据容器的工作：
- 1）增强数据容器LLM自身的理解、生成、推理能力，以生产下游任务的高质量的数据以产生更好的模型
- 2）通过探索in-context的shot数据优化/RAG方案，以让LLM给出更好的结果。
- 3）探索RLHF的数据采样方案，使得让LLM给出更好的结果。
- 4）探索AIF，使得让LLM给出更好的结果。
- 5）探索基于数据的prompt优化方案，使得让LLM给出更好的结果。
- 6）基于LLM的数据质量自动评估。
- 7）交互式的基于LLM的数据探索