📖 AI 总结

蚂蚁集团研发的统一宽表系统OmniTable获评VLDB 2026工业赛道最佳论文，聚焦大模型训练中常被忽视的数据准备环节。该系统在生产环境管理超35PB、3050亿条训练数据，覆盖Web、代码、PDF和SFT等数据域。核心设计为“逻辑统一、物理分离”：上层将同一数据域呈现为一张逻辑宽表，底层按规模与访问方式拆分物理表，并通过全局主键和批次字段实现数据追踪。特征从脚本临时计算升级为带版本、依赖和血缘的系统资产，解决了传统流程中数据难定位、特征难回刷、结果难追溯三大痛点。实际应用中，真实SFT任务端到端周期从约14天缩短至2.5天，手工步骤从45步降至12步，效率提升5.6倍。该系统还支持记录级故障隔离，避免少数坏样本导致整批数据重跑。