1. 数据策略制定：涉及挖掘框架，开发挖掘算子，与模型训练团队深度协作，指导数采团队定向增补高价值数据；通过数据消融实验，科学确定预训练数据、微调数据、难例数据的配比，最大化有限数据的训练收益；建立数据质量评估体系（信息密度、场景分布、标注质量、多样性等）； 2. 构建自动数据生产流水线：研发并维护自动化标注流水线，降低人工标注依赖； 3. 探索利用生成式AI（Diffusion model, NeRF/3D Gaussian）合成高价值训练数据，解决corner case数据稀疏问题； 4. 建立标注质量自动检测机制，确保训练数据的可靠性； 5. 构建数据处理平台：构建TB-PB级数据分布式处理流水线，实现高效去重、过滤、清洗、格式转换； 6. 建立数据版本管理和数据血缘系统，确保训练模型的可复现性和数据溯源； 7. 优化数据存储格式和访问效率，支持模型训练过程中高效数据加载和在线采样