Credo: Dataset 用于设计、构建或审查训练与评测数据集，覆盖采样、选择、标注、划分、来源、泄漏与质量。核心目标是让数据契合预期用途，并明确其构建方式能支撑什么结论：模式合法的集合不一定适合作为数据集，抽检过的样本也不能证明每条记录都正确。
用途方面，先明确目标任务、预期总体、观测单位、来源材料、已有数据集与允许的数据处理方式，再判断本次数据集决策属于：构建首个版本、修正已知问题、评估标签、检查划分，还是判断某结论是否有支撑。应先查看可用记录和代表性样例，再确定类别；仅在影响选择或解释时记录纳入与排除规则；优先沿用已有的标识、模式、存储与版本管理。审查只返回发现，构建或修订需对应请求。
主要能力包括：将采样与覆盖同目标总体关联；用任务相关正反例定义含糊标签，保留分歧而非强行归入干净标签；在独立性重要时区分独立标注判断与模型生成的建议；按预期泛化单位选择划分，并检查边界间的完全重复与有意义的近重复；追踪变换与排除，以便还原数据集版本并解释重要差异。对训练数据，关注目标格式、评测材料污染、采样权重与标签噪声；对评测数据，保持与调参和评分决策的分离。不得从公开可得推断法律许可或同意，须遵循给定的访问与使用约束。
使用方式：先用已有授权工具与存储，任务内的快速检查可直接进行；新的采集、外部标注、提供方传输或长时间处理须符合现有授权，改变研究目的或承诺长时间新工作前应先询问。验证时结合结构检查与真实内容审阅，按有意义单位计数：记录、唯一来源组、标注任务、独立标签、已审阅项不可互换；跨相关组与失败模式抽样，仅在影响结论时说明审阅覆盖率。交付所请求的版本与可用文档，或给出发现、代表性示例及对使用的影响；负面适用性结论可在不修改数据的情况下结束审查。测量与基准方法用 credo-evaluation，下游训练比较用 credo-experiment，运行已批准的评测用 evaluation-operations。其余细节暂未提供。