已映射的元数据筛选条件与类别帮助团队检查样本覆盖范围。筛选仍是需要审慎作出的数据准备决策，并不保证统计平衡。
数据集版本保留所选源数据集合。新编辑在草稿中继续，也可将历史版本恢复为草稿后进一步处理。
这是针对特定模型任务筛选和组织图像与视频数据的过程。团队检查质量、冗余、相关性及覆盖范围，再将明确的源数据集合交付标注或下游准备流程。
数据整理决定哪些源样本应纳入数据集及其组织方式。标注则添加模型任务所需的标签。整理后的数据集可进入已配置的标注工作流。
可以。受支持的重复搜索与已映射图像质量筛选条件可找出待检查样本。团队对比源样本并决定保留哪些数据；此工作流并不表示会自动删除数据。
结合受支持的图像与视频搜索及元数据检查相关示例。夜间降雨等查询有助于找到候选场景，但团队仍需审核其相关性与覆盖范围。
此处描述的视觉搜索能力适用于受支持的图像与视频数据。不应假定它对任意表格、传感器或其他文件类型提供相同的嵌入或搜索行为。
元数据可按已知类别组织和筛选样本，让团队检查覆盖范围。筛选应符合模型任务与评估设计；界面不保证样本代表性，也不会自动保证数据平衡。
使用适用于所选资源类型的已映射筛选条件，包括受支持的元数据与图像质量控件。部分筛选概念可能仍处于预览阶段，因此工作流应使用适用于当前数据的控件。
发布会创建数据集工作草稿的不可变快照，保留用于交付的源数据筛选结果，而后续修改可在草稿中单独继续。
可以。已发布版本保留在数据集历史记录中，恢复版本会创建可继续处理的草稿。团队可重新使用此前的源数据筛选结果，而不修改已保存的快照。
