英文：Data Quality 分类：foundation
训练数据的正确性、完整性、一致性与多样性水平。高质量数据常比数据规模更能决定模型效果：错误、重复、低质样本会放大模型偏差与错误模式。
质量维度：事实准确（错误信息）、去重（重复污染）、多样性（覆盖面）、标注一致性（指令数据）、安全合规（有害内容）与时效性（知识截止）。工程上建立数据管道：清洗、去重、过滤、质量评分与持续迭代。
用于预训练语料治理、指令数据构建（SFT 数据质量直接决定对话质量）、RAG 知识库建设与行业模型定制；"垃圾进垃圾出"决定了数据工程是模型能力的根基。
相关词条：Transformer · 注意力机制 · 自注意力 · 领域泛化 · 预训练数据