# 数据集生成

该技术报告提出 Invent-A-Dataset——一个从数据集描述出发、以提示为基础生成真实且大规模后训练数据集的系统，并在零数据设定下与 Anthropic、Google、OpenAI、DeepSeek、Zai 五个前沿模型 API 对比，覆盖八类任务、数据集规模最高 20K 样本，报告其质量相对提升 17%、多样性相对提升 19%，且多样性优势随规模扩大（200 样本时持平，20K 样本时相对提升 37%），并带来下游后训练模型性能提升，其微调在不同后训练模型架构上排名更高。

该技术报告提出 Invent-A-Dataset——一个从数据集描述出发、以提示为基础生成真实且大规模后训练数据集的系统，并在零数据设定下与 Anthropic、Google、OpenAI、DeepSeek、Zai 五个前沿模型 API 对比，覆盖八类任务、数据集规模最高 20K 样本，报告其质量相对提升 17%、多样性相对提升 19%，且多样性优势随规模扩大（200 样本时持平，20K 样本时相对提升 37%），并带来下游后训练模型性能提升，其微调在不同后训练模型架构上排名更高。