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、抽检比例和返工门槛。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，算力会浪费在吵吵的标签上。
标注是工序不是兼职
上岗考试用金标准集。抽检由质量岗做，不是自己抽自己。分歧进仲裁，仲裁结果回写指南。按件计费要配质量系数，防止又快又乱。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 数智化系统把质检结果回写批次，同类逻辑也适用于标注：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，会在误杀里加倍还回来。
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，再跑下一个epoch。
