在确立了合成数据生成方法及其在大型语言模型预训练 (pre-training)和微调 (fine-tuning)中的应用之后，本章将转而介绍数据增强和流程优化的更精巧技术。

在本章中，您将学习如何在嵌入 (embedding)空间中直接增强数据，以及如何使用合成信息构建结构化的学习路径，这常被称为课程学习。我们还将讨论合成偏好数据的生成，这是AI反馈强化学习 (reinforcement learning)（RLAIF）等对齐 (alignment)方法的重要组成部分。此外，本章还详细阐述了用于过滤和清洗合成数据集的自动化管道开发、自动化质量保证的规程，以及数据生成工作流迭代改进的策略。一个实践练习将引导您实现一个数据过滤脚本。