数据集（Dataset）
Dataset
用于训练、验证与测试模型的结构化样本集合及其标注与协议。
先用人话理解
数据集不只是一堆文件，还包括采集方式、标签定义、划分与许可。ImageNet 等大规模标注集让算法进步可以被公平比较；数据规模、质量与偏见会直接塑造模型行为。现代大模型还依赖网页文本、代码等多源语料，治理与版权问题更突出。
为什么重要
没有合适的数据与评测集，模型能力无法被训练，也无法被可信地衡量与复现。
常见误解
数据量更大不总是更好；噪声、重复与偏差会伤害模型。
测试集若被训练污染，榜上分数会系统性高估真实能力。