文心千帆导入query问题集数据

登录到文心千帆大模型操作台，在左侧功能列选择数据集管理，进入数据集管理主任务界面。

导入数据

创建数据集完成后，在数据集管理页面中，找到该数据集，点击右侧操作列下的“导入”按钮，即可进入导入数据页面。

您可以使用以下方案上传文本数据：

本地导入、BOS目录导入、分享链接导入、平台已有数据集

本地导入

本地导入支持五种导入格式：JSONL、TXT、CSV、XLSX、ZIP。

导入格式	格式要求	格式示例
Jsonl	1. 文件内单条数据格式要求为[{"prompt" ：“prompt内容”}]， 详见数据样例。 2. 每一行表示一组数据，每组数据中的prompt字符数不超过2000Token（包括中英文、数字、符号等），超出的字符可正常保存，但可能无法参与训练。 3. 支持文本文件类型为jsonl，编码仅支持UTF-8，单次上传限制100个文本文件，单个文件不超过100M。
TXT	1. 对话生成的数据序列格式要求为"prompt"，详见数据样例。 2. 每一行表示一组数据，每组数据中的prompt字符数不超过2000Token（包括中英文、数字、符号等），超出的字符可正常保存，但可能无法参与训练。 3. 支持文本文件类型为txt，编码仅支持UTF-8，单次上传限制100个文件，单个文件不超过100M。
CSV	1. 文件内单条数据的格式参考示例图，在表格中为一列，由表头定义prompt，详见数据样例。 2. 每一行表示一组数据，每组数据中的prompt字符数不超过2000Token（包括中英文、数字、符号等），超出的字符可正常保存，但可能无法参与训练。 3. 支持文本文件类型为xlsx，编码仅支持UTF-8，单次上传限制100个文件，单个文件不超过100M。
XLSX	1. 文件内单条数据的格式参考示例图，在表格中为一列，由表头定义prompt，详见数据样例。 2. 每一行表示一组数据，每组数据中的prompt字符数不超过2000Token（包括中英文、数字、符号等），超出的字符可正常保存，但可能无法参与训练。 3. 支持文本文件类型为xlsx，编码仅支持UTF-8，单次上传限制100个文件，单个文件不超过100M。
ZIP	1. 上传文件要求为zip/tar.gz格式压缩包，同时压缩前源文件大小在5G以内，文件编码仅支持UTF-8。 2. 压缩包内支持多个jsonl文件的上传，jsonl文件中每一行表示一组数据，每组数据中的prompt字符数不超过2000Token（包括中英文、数字、符号等），超出的字符可正常保存，但可能无法参与训练，详见示例压缩包。

BOS目录导入

请确保将全部文本已通过jsonl文件保存至同一层文件目录，该层目录下子文件目录及非相关内容（包括压缩包格式等）不导入。

需选择Bucket地址与对应的文件夹地址。

导入方式	格式要求	格式示例
Bucket地址·文件夹地址导入	1. 文件夹内文件类型支持jsonl，文件编码仅支持UTF-8。 2. jsonl文件中每一行表示一组数据，每组数据中的prompt字符数不超过2000Token（包括中英文、数字、符号等），超出的字符可正常保存，但可能无法参与训练。

分享链接导入

请确保将全部jsonl文本文件保存至同一压缩包，压缩包仅支持zip/tar.gz格式，压缩前源文件大小限制5G以内

需输入链接地址。分享链接导入的要求如下：

• 仅支持来自百度BOS、阿里OSS、腾讯COS、华为OBS的共享链接。

导入方式	格式要求	格式示例
输入链接地址导入	1. 链接地址要求为zip/tar.gz格式压缩包，同时压缩前源文件大小在5G以内，文件编码仅支持UTF-8。 2. 压缩包内支持多个jsonl文件，jsonl文件中每一行表示一组数据，每组数据中的prompt字符数不超过2000Token（包括中英文、数字、符号等），超出的字符可正常保存，但可能无法参与训练。

平台已有数据集

以上所有步骤完成后，即可导入数据至数据集。