视觉模型误杀高 复盘发现缺陷定义不统一 夜班标成另一套. 标注质量决定模型质量 却常被当成苦力外包. 项目计划要写清: 谁有资格标·指南版本·双人一致率·抽检比例·返工门槛. 不写这几项 训练只是在放大标注噪音.
模型迭代解决不了指南打架. 指南不先锁 算力浪费在吵吵的标签上.
标注是工序非兼职
上岗考试用金标准集. 抽检由质量岗做 非自己抽自己. 分歧进仲裁 仲裁结果回写指南. 按件计费要配质量系数 防又快又乱. 敏感数据标注在受控环境 禁止带回家.
- 指南有版本 模型训练引用版本号.
- 一致率低于阈值停止生产标注 先校准.
- 抽检发现系统偏差 整批回炉 不靠模型"学过去".
计划里要有抽检预算
XYN 数智化 시스템 质检结果回写批次 标注同理—质量是工序. AI项目把抽检写成里程碑 模型才有资格进生产. 省掉抽检的进度会在误杀里加倍还.
看当前标注有没有抽检记录. 没有→先停训一周做指南和抽检 再跑下一epoch.
