用数据编程：面向原始语料库中自我改进大语言模型的测试驱动数据工程

将人类专业知识可靠地迁移到大语言模型仍具挑战。现有微调缺乏反馈机制，无法诊断训练数据缺陷。本文提出“用数据编程”范式，将数据工程生命周期映射为软件开发流程：训练数据即源代码，训练即编译，基准测试即单元测试，失败驱动的数据修复即调试。该方法能将模型失败分解为概念缺失或推理断裂，并追溯至具体数据缺陷进行针对性修复。实验涵盖十六个学科，证明该循环能持续提升不同规模模型的性能且不损害通用能力，为构建可靠的专业大模型奠定了原则性基础。