首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >语料标注规则:把"要求"改写成"判定"

语料标注规则:把"要求"改写成"判定"

原创
作者头像
AI备案指南当当
发布于 2026-11-04 09:11:50
发布于 2026-11-04 09:11:50
1950
举报

声明:本文基于公开发布的国家标准文本、法规条文与公开的属地备案指引整理,不含任何产品推广,也不构成法律意见。文中引用的标准条目均标注出处;凡属推荐性要求已单独说明。具体项目请以正式文本与属地网信部门答复为准。

0 先说结论

写语料标注规则,最常听到的一句评价是"写得挺全的"。

这句话通常是好话,但它掩盖了一个更要紧的问题:它是"全面"还是"可执行"?这两件事在规则文本里长得很像,实际差得很远。

判断方法很简单。随便挑一条出来读:

标注过程中应保证标注质量的稳定性与一致性。

这句话正确、体面、什么都能覆盖,但它没法被判真伪。你无法说某一天的行为违反了它,也无法说某一天的行为符合它。

而规则的价值恰恰在于能被判真伪——一条不能被判真伪的规则,起不到规则的作用,只能起到表态的作用。

由此得到本文的主线:

规则不可执行的根因,通常不是内容不够全,而是句子类型错了。一份可执行的规则,通篇由判定句和检测句构成,要求句只是它的标题。

三个概念先定义清楚,后面全部围绕它们展开:

  • 要求句:表达"应当如何",回答"准则是什么"。例如"应有审核环节"。
  • 判定句:可被判真伪的具体条件,回答"这种情况算不算合规"。例如"每条安全性标注数据由审核人员在同一平台内签署结论,未签署的样本不计入已完成"。
  • 检测句:说明用什么方法、看什么凭证来确认。例如"抽查任一批次,能在平台内查到该批每条样本的审核人、签署时间与结论"。

要求句是必要的,但一条规则只有要求句,就无法执行、无法培训、无法验收,也无法在核验时自证。

这篇讲的是怎么把要求句改造成后两种句子。重点在三处:一条规则的内部结构、判据的三类写法、以及多模态场景下"边界"到底指什么——最后这一处是实践里最缺现成答案的地方。


1 为什么"正确的话"不可执行

先把失效的形态说清楚。规则里让人无从下手的地方,几乎都集中在同一类词上。

1.1 五种高频失效词

词

出现在规则里的样子

为什么没法执行

充分

应有充分的审核

多少算充分?无阈值

适当

应适当控制标注强度

谁定适当?无基准

及时

应及时处理争议标注

几小时内算及时?无时限

合理

应给出合理的判定理由

什么理由算合理?无判据

必要

应对标注人员进行必要的培训

几课时、哪些内容?无清单

这五个词有一个共同点:它们把判断权交回给了执行者,而执行者的判断正是规则要约束的对象。

这不是说这些词不能用。它们在制度性文件(如管理方针)里是恰当的,因为那种文件的功能是宣示取向。问题在于语料标注规则同时要承担三个功能——培训依据、验收标准、自证材料,而这三个功能都要求可判定。

1.2 一个具体的对照

把同一件事写成两种句子,差别非常直观。

版本

文本

要求句版本

应保证安全性标注的审核质量,确保审核结论准确。

判定句版本

每条安全性标注数据须由审核人员在平台内签署结论,结论限于"通过/退回/舍弃"三种;未签署的样本不计入已完成;同一任务内签署人不得为标注执行人。

检测句版本

抽取任一批次,在平台内可查到该批每条样本的签署人、签署时间、结论;随机抽 20 条,比对签署人与该任务的角色表,确认无重合。

三个版本说的是同一件事,但只有后两个能用于培训和验收。第一个版本在核验时会被追问一句"你们怎么保证准确",而这句话没有答案。

1.3 一个反直觉的推论

规则写得越"包容",被追问的面积越大。

因为每条含糊的表述,都会在核验时变成一个需要口头解释的问题。而口头解释的质量取决于当时在场的是谁,这本身就不可控。

反过来,一条写得窄但确定的规则,虽然覆盖面小,但它不产生需要解释的空白。


2 一条合格规则的内部结构

改造不是把句子写长,而是补齐五个要素。少一个,这条规则就在某个环节断掉。

要素

作用

缺了会怎样

触发条件

说明这条规则在什么情形下适用

规则被套用到不该用的样本上

判定标准

给出可判真伪的条件

两个人判出不同结果

边界说明

说明相邻情形的区分方式

介于两类之间的样本无处安放

违约处置

说明不符合时怎么处理

发现了也没有动作

证据形态

说明这条规则的执行留下什么记录

做了也证明不了

五个要素对应五个不同的失败场景,值得逐个说。

触发条件常被省略,因为写的人觉得"这很明显"。但标注员面对的是具体样本,样本不会自带"我属于哪条规则"的标签。触发条件写不写,决定了同一条规则是被正确套用,还是被随机套用。

判定标准是核心,第 4 节单独展开。

边界说明是这类规则最缺的部分,第 6 节展开。

违约处置缺得最普遍。规则里写了"应当审核",但没写"如果发现某批没审怎么办"。结果就是发现了也只能补一句说明——而这一句说明在核验时等于承认了失控。

证据形态决定了这条规则能不能自证。它不是"留个记录"这么笼统,而要具体到:记在哪个系统、包含哪几个字段、保留多久、谁能查。

2.1 五要素的填写示例

以"多人标注结果不一致"这条为例,走一遍五要素。

要素

内容

触发条件

同一提示信息由两名及以上标注执行人员标注,且结论不一致

判定标准

不一致即触发,不以分歧条目数为门槛;结论按"风险等级/是否含个人信息/是否含侵权内容"三栏分别比对,任一栏不一致即视为不一致

边界说明

仅措辞不同但结论相同,不计入不一致;一方判"舍弃"另一方判"通过",按不一致处理

违约处置

提交仲裁;仲裁结论为最终结论;同一批次同类分歧出现三次以上,回查该批规则理解是否一致,必要时重训

证据形态

分歧台账:样本编号、各方结论、仲裁人、仲裁结论、仲裁时间;台账与该批标注结果关联可查

这张表可以当模板直接用。任何一条规则填不满五格,说明它在某个环节还没想清楚。


3 三种句子类型及其转换路径

从要求句到检测句,中间有固定的转换动作,不是靠文笔。

类型

回答的问题

转换动作

转换后的形态

要求句

准则是什么

找出它真正约束的行为

"应有审核环节"→ 约束的是"谁审、审什么、什么时候签"

判定句

这种情况算不算合规

给条件加阈值、加枚举、加比较基准

"由审核人员签署结论,结论限三种"

检测句

怎么确认

指定抽样方式、凭证位置、比对对象

"抽 20 条,在平台内比对签署人与角色表"

三个动作里,第一个最容易被跳过。

因为要求句看起来已经很完整了——"应有审核环节"这句话,读起来像一件事已经说完。但它只说了"有",没说"谁"、"审什么"、"留下什么"。跳过这一步,后面两步就没有着手点。

一个实用的追问法:对着每条要求句连问四次"具体指什么"。

以"应保证标注数据安全"为例:

  • 具体指什么 → 存储与访问的安全
  • 再具体 → 谁能访问、通过什么方式访问
  • 再具体 → 按角色授权,安全性标注数据单独隔离
  • 再具体 → 隔离到什么程度:独立存储位置、独立权限清单、访问留日志

问到第四层,判定句基本就成型了。四层这个深度不是规定,但它大致对应"人能照着做"的颗粒度——低于三层太粗,高于五层通常进入实现细节,不适合写进规则。


4 判定标准的三类写法

判定句的难点全在"怎么判"。可用的判据只有三类,而它们的适用条件不同。

4.1 三类判据

类型

形态

适用

例子

可枚举

有限集合,逐项对应

类别、结论、处置方式

审核结论限"通过/退回/舍弃"

可计量

数量、比例、时限

抽检量、合格率、响应时间

每批随机抽检不少于该批总量的某一比例

可比较

与一个明确基准比对

一致性、完整性、可追溯性

签署人与该任务角色表比对,无重合则通过

三类判据有一个共同前提:基准必须存在于规则之外,且可被独立查到。 角色表在系统里、抽样量在台账里、样本总量在批次记录里——这三个都不依赖被检查方的口头说明。

4.2 三类都写不出来时怎么办

这是实践中最实际的问题。有些要求确实难以量化,比如"标注应当客观"。

两种处置都正当,但要分清适用。

第一种:降级为流程约束。

承认"客观"无法直接判,改为约束影响客观性的流程条件——例如"同一批次的标注不与产出方的绩效直接挂钩"、"争议样本由非本组成员仲裁"。这些是可判的,而它们间接支撑了"客观"。

第二种:降级为抽样判断,并公开判据。

在规则里写明:由审核人员按附件给出的判断要点逐条核对,判断要点必须列出。这样"客观"变成了"是否符合附件所列要点",仍然可判——只是判据从数值变成了清单。

两种做法都不完美,但都比留一句形容词好。区别是:第一种管住了成因,第二种管住了表现。前者更稳,后者更省事。

4.3 一处常见误用

把"合格率"当成唯一的判定标准,是这类规则里的高发问题。

合格率的性质是结果指标,它无法回答"为什么不合格"。而标注规则的验收需要的恰恰是后者——同一批里不合格的是哪几类样本、属于哪条规则的哪一格、是规则不清还是执行偏差。

所以合格率应当配一张分类表:不合格样本按规则条款归类。这张表的价值远大于一个百分比,因为它直接指向需要改动的那一条。


5 多模态:边界到底指什么

这是本文最想补上的一块。前两节讨论的结构问题与模态无关,但判定标准的具体写法,随模态变化很大,而这一点在多数规则里被忽略了。

原因不难理解:大部分团队的语料以文本为主,规则自然按文本写;后来加了图片或语音,就把文本规则套上去,只改了几个名词。

而实际上,"判什么"和"边界在哪"都变了。

标准对任务类型的要求是明确的:需要明确具体标注任务类型,对含有文本、图片、音频、视频、时间序列等不同内容的标注任务,应符合数据标注规程中的相应要求,任务类型可参照该标准的附录示例。

5.1 五种模态的判定对象与边界单位

下表是按工程视角整理的对照,用于说明差异所在,不替代标准条文。

模态

判定对象

边界单位

常见不可判点

文本

语义片段(句、段、整篇)

字/句/段

反讽、引用与主张的区分;跨段语义依赖

图片

区域、对象、图文关系

像素区域/对象框/整图

遮挡、低分辨率、多主体同框;图内文字与图意的冲突

音频

时间片段内的语音内容

时间区间(起止点)

起止点歧义;背景声与主体声分离;变声与方言

视频

时间区间内的画面与音轨

帧区间/镜头

跨镜头语义;关键帧选取;音画不同步

时间序列

区间内的模式与异常点

采样区间/异常点位置

异常点边界模糊;周期性导致的误判

这张表最有用的一栏是最后一列。"不可判点"决定了规则里要不要设"转人工/转仲裁"的通道。

举两个具体例子。

图片的遮挡与低分辨率。 一张图中的人物面部被遮挡,是否仍应判为含个人信息?如果规则里只写"含人脸即标注为个人信息",那么遮挡到无法识别的图也会被计入,样本统计随之失真。可行的写法是分档:可识别、部分遮挡但特征可辨、不可识别,三档分别处置,并明确判断依据(如可辨识的五官要素数量或人工判断要点)。

音频的起止点。 一段语音里含违规表述,边界应当从表述开始处起算,还是从语义单元(如整句)起算?两种算法得到的时长不同,直接影响到"违规内容占比"这一类统计。规则里必须选一种并写明,不能让标注员自定。

视频的跨镜头语义。 单个镜头无害,连续镜头组合构成不当内容——这类情形只能按片段判,按帧判必然漏。规则要说明判定单位是片段,以及片段如何切分(按镜头、按时长、按语义段落)。

时间序列的异常边界。 异常点往往不是单点,而是一个区间的起点。规则要说明按什么标准截取(如首次越界时刻、持续越界超若干采样点),否则不同人给出不同区间。

5.2 多模态规则的三条通用要求

差异之外,有三条是共通的,可以作为多模态规则的基线。

第一,每种模态独立成节,不合成一套通则加例外。

合成写法的后果是:通则按文本写,例外列表越写越长,最后每条都成了例外。分开写虽然字数多,但每条都可独立执行。

第二,每种模态单独说明其"完整样本"的定义。

文本的完整样本可能是一段、图片是一张、音频是一段录音、视频是一个完整片段。这个定义决定了"一条样本"的计数口径,也决定了抽样量怎么算。口径不统一,抽检比例就没有意义。

第三,模态之间的组合要单列。

图文混排、音画同步、文内嵌图,这些组合样本的判定往往需要两条规则同时适用。规则要说明优先顺序:以哪一栏的结论为准,冲突时怎么处理。这一条在实践中几乎完全缺失,而它是复合模态产品最常遇到的。


6 规则的四种边界:判不出来的那些样本

第 2 节说边界说明是五要素里最缺的一项。这一节把它展开。

6.1 四类边界情形

情形

表现

规则里应有的处理

判不出

样本落在两条规则之间,两条都不完全适用

给出判定顺序,而不是给一个结论

判据冲突

同一栏同时满足两个类的判定条件

给出优先级,并说明理由

判据缺失

样本涉及的维度,规则里没有对应条款

设升级通道:转谁、多久内答复、答复如何留痕

判据过时

规则按旧场景写,遇到新形态无从下手

设触发复核的条件,而不是靠人发现

四类里,第一类和第三类最值得写清。

判不出的时候,给顺序,不给结论。

理由是这样的:结论只能覆盖已经想到的案例,而顺序能处理没想到的。

举例:一条内容既含对某群体的刻板描述,又是对他人观点的引用与批评。规则不可能穷举所有这样的组合,但可以给判定顺序——先看内容是否在事实上主张该描述,再看是否存在明确的批评语境,最后看是否存在更宽的解释空间使其可被接受。

顺序的写法有一个额外好处:它把"判断"变成了一次可复核的推理,而不是一次直觉。核验时被问"这条为什么这么判",能答出走了哪一步,比答"我觉得"要稳得多。

判据缺失的时候,必须设升级通道。

不设通道的后果是:标注员只能自己决定,而这个决定既不留痕也不可复核。规范做法是写明三条——升级给谁(角色,不是姓名)、多长时间内答复、答复以什么形式留存。

这三条写清了,规则就具备了"处理未知"的能力。而一份没有升级通道的规则,本质上假定"所有情况都已想到",这个假定在真实数据面前基本不成立。

6.2 一处容易被忽略的边界:标注对象与样本边界不是一回事

这一点在多模态场景下特别容易混。

"标注对象"指的是要标什么(一句话、一个区域、一段音频)。"样本边界"指的是这条样本到哪里为止(一句话前后是否包含上下文、一个区域是否包含邻近背景、一段音频是否含前后静音)。

两者不区分,会产生一种很难追溯的偏差:不同标注员截取的样本边界不同,判出的结论都"对",但统计口径已经不一样了。

规则里应当对每种模态分别写明样本边界,例如文本类说明是否包含前后各若干句上下文,图片类说明区域是否含邻近背景,音频类说明是否含前后静音段。


7 术语最小集:同词不同义是隐蔽的失效率来源

规则里出现频次最高的几个词,往往是歧义最大的词。

词

可能的理解

规则里应当固定为

样本

一条数据/一次问答/一个文件

明确到"一次提示—响应配对"或"一个文件"

批次

一次提交/一天的量/一个来源

明确切分依据与规模区间

审核

自查/复核/终审

明确到人、到签署动作

通过

无风险/风险可控/符合本批要求

明确到与哪几类判定对应

抽检

随机抽/按类分层抽

明确抽样方法与比例口径

这一节的写法建议是给规则加一张术语表,五到十行即可。成本很低,收益是把后续所有条款的歧义一次性压掉。

一个可验证的判断:如果两个标注员对同一批样本的标注结果差异明显,先查术语表有没有,再查规则清不清。很多"规则不清"的诊断,实际是术语没定。


8 规则单元卡:把一条规则做成可交付的单元

如果说本文有一个可以直接照做的东西,就是这张卡。

它的思路是把每条规则做成一个自足的单元——单看这一张卡,就能知道它在什么情况下用、怎么判、判不出来怎么办、要留什么证据。

字段

填写要求

规则编号

稳定不改,用于台账与不合格归类

适用对象

模态、任务类型、样本边界

触发条件

什么情形下适用这条

判定标准

三类判据中至少一类,附阈值或枚举

边界与冲突

相邻情形如何处理,冲突时的优先级

违约处置

不符合时做什么,谁做,多久内

证据形态

记在哪、含哪些字段、保留多久、谁可查

版本与生效日

修订追溯用

关联规则

可能同时适用的其他条款,避免冲突

九个字段,一条规则一张卡。规则多了之后,这套卡可以直接作为附件的组织方式,也可以作为培训材料的分发单元。

填写顺序建议从"证据形态"倒着填。 先想清楚这条规则执行完会留下什么记录,再往前推判定标准和触发条件。理由很实际:能被记录的东西才可能被判定;先想判定再想证据,容易写出一条漂亮但留不下痕迹的规则。


9 可测试性自检:三人独立判

规则写完之后,做一次压力测试。方法很简单。

步骤一:从规则里随机抽 10 条。

步骤二:找三个人独立阅读规则,其中至少一人未参与规则编写。给他们同一批 20 条样本(含边界样本),要求各自按规则标注,并写出所依据的规则编号。

步骤三:比对结果。 看两件事——结论是否一致;依据的规则编号是否一致。

四种组合对应四个不同的病灶:

结论

依据条款

诊断

一致

一致

这条规则可执行

一致

不一致

规则重叠:多条都能套用,需要理清适用顺序

不一致

一致

判据不足:条款适用对了,但判定标准不够具体

不一致

不一致

规则缺失或术语未定:先补术语表,再看是否需新增条款

这个测试的价值在于它区分了四种失效。多数团队做规则评审时只有"能不能看懂"这一个维度,而看懂不等于判得一样。

成本也很低:三个人、二十条样本、一个下午。它比通读三遍更能发现问题,因为通读只能发现"读不通",不能发现"读得通但判不一样"。


10 六种常见失效

按出现频率排列。

一、通篇要求句,没有判定句。

最普遍的一种。读起来完整,用起来无从下手,核验时无法自证。判断方法:任取一条,试着说"违反它的具体表现是什么",说不出来就是这类。

二、判据有阈值,但没写口径。

写了"抽检不低于某一比例",但没写分母是什么(该批总量?该批该类别量?),于是同一句话可以算出三个不同的数。口径要写在阈值旁边,不要另设一节说明。

三、边界只给结论,不给顺序。

写"这种情况应判为××",但没写"介于其间时按什么顺序判断"。结论覆盖不了未预见的组合。

四、违约处置缺失。

规则里全是"应当",没有一处"未做到时如何"。结果是发现问题时只能补说明。

五、证据形态笼统。

写"应有记录",没写记在哪、含哪些字段、保留多久。这三种缺失中任何一种,都会让这条规则在核验环节归零。

六、多模态只改名词,不改判法。

把文本规则里的"词"换成"区域"、把"句"换成"片段",其余照抄。结果是每一种模态都缺关键定义:样本边界、不可判点、组合样本的优先顺序。


11 提交前核验清单

按本文结构分组,共 26 项。建议在定稿前逐项过,每次修订后重跑 A、B 两组。

A 句子类型(7)

  • [ ] 已通读全文,标出所有要求句,确认每条都有对应的判定句
  • [ ] 全文不含"充分、适当、及时、合理、必要"等无阈值词,或已就地给出阈值
  • [ ] 每条判定句可被判真伪,改判条件不含主观形容词
  • [ ] 每条规则都写了检测方式(怎么查、查什么、查多少)
  • [ ] 判据基准(角色表、抽样量、样本总量)均可在规则之外独立查到
  • [ ] 无法量化的要求已降级为流程约束或附件清单,未留形容词
  • [ ] 合格率类指标已配不合格样本的条款归类表

B 结构与边界(7)

  • [ ] 每条规则的五要素齐全:触发条件、判定标准、边界说明、违约处置、证据形态
  • [ ] 判不出的情形给出了判定顺序,而非单一结论
  • [ ] 判据冲突的情形给出了优先级及理由
  • [ ] 判据缺失的情形设有升级通道:转谁、多久答复、如何留痕
  • [ ] 判据过时的情形设有触发复核条件
  • [ ] 已区分"标注对象"与"样本边界",并分别写明
  • [ ] 规则之间有交叉时,已说明适用顺序

C 多模态(6)

  • [ ] 每种模态独立成节,未采用"通则+例外"的合成写法
  • [ ] 每种模态的判定对象与边界单位已写明
  • [ ] 每种模态的"完整样本"定义已写明,与抽样量口径一致
  • [ ] 每种模态的主要不可判点已列出,并对应到处置方式
  • [ ] 组合样本(图文、音画、文内嵌图)的优先顺序已写明
  • [ ] 任务类型与数据标注规程及标注安全标准的任务类别可对应,非自创分类

D 可用性与留痕(6)

  • [ ] 已附术语表,样本、批次、审核、通过、抽检五词已固定
  • [ ] 每条规则已做成单元卡,九字段无空缺
  • [ ] 已做三人独立判测试,四种组合的病灶已分别处置
  • [ ] 证据形态具体到系统、字段、保留期、查询权限
  • [ ] 规则版本与生效日已记录,修订有摘要
  • [ ] 规则修订后已评估是否涉及备案信息或评估报告中的事实描述变化

12 FAQ

问:规则里的"应当"能不能全改成"必须"?

答:不能。这两个词在规范文本里承担不同功能:应条款通常对应要求,宜条款对应推荐。

全改成"必须"会让一些本来是推荐性的做法变成硬承诺,而做不到的硬承诺比含糊的表述更麻烦。要做的是把"应"之后的内容改成可判定的,而不是把"应"字加重。

问:判定标准一定要有数字吗?

答:不一定。可枚举与可比较这两类判据不含数字,但同样可判。"结论限于三种"是可枚举,"签署人与角色表比对无重合"是可比较。真正需要避免的是既无枚举、又无可比基准、又没有数字的表述。

问:多模态里最难写的是哪一个?

答:从实践看是视频。它的边界最多重——时间边界、镜头边界、语义边界,还有音轨与画面是否分开判的问题。如果产品涉及视频,建议单独为它写一份子规则,而不是并进主规则里当一节。

问:规则写得很细,会不会限制标注员的专业判断?

答:会限制"自由裁量",这正是目的之一。但要注意区分两种情形:判据明确时不允许发挥;判据缺失时必须有升级通道。把这两条都写清,规则就不会变成死板——它只在能判的地方固定,在不能判的地方开设通道。

问:三人独立判测试需要每次都做吗?

答:规则新增或改动时做,尤其是新增模态、新增业务场景、调整判据时。全量重做没有必要,但抽 10 条的成本很低,改动后不做容易漏掉"读得通但判不一样"这类问题。

问:多模态规则的字数会膨胀很多,怎么控制?

答:用单元卡组织,避免重复。

同一套五要素在不同模态下重复出现是正常的,因为判法不同;但触发条件、违约处置、证据形态这三项,若确实一致可以交叉引用,只在差异处重写。

真正不能省的是判定标准与边界单位,这两项每模态必须独立写。


13 结语

把全文收敛成一句:

评价一份规则写得好不好,标准不是"写得全",而是"换一个人读,能不能判出同一个结果"。

这句话把注意力从篇幅拉回到句子。因为篇幅是容易的,句子是难的——每一条要求句改造成判定句,都要回答一次"具体指什么";每一条判定句要能用于验收,都要想清楚"证据在哪"。

如果只从这篇带走一个动作,我建议是这个:

从规则里挑三条最核心的,按五要素各填一张卡。填不出来的格子,就是这份规则真正的缺口。

三张卡不需要多久。但填完之后,你对这份规则的理解会和通读三遍完全不同——因为通读只能发现写得不清楚的地方,填卡才能发现想得不清楚的地方。

规则最终是要给人用的。它面前站着三类人:照着做的标注员、判合规的审核员、来核验的第三方。三类人都只做一件事——沿着句子往下走,看它能不能走到一个能被确认的终点。

句子走不到头,规则就到不了位。


附:主要依据

  • GB/T 45674—2025《网络安全技术 生成式人工智能数据标注安全规范》(2025-04-25 发布,2025-11-01 实施):标注平台或工具、标注规则、标注人员、标注核验四项要求,及标注安全评价方法;附录列示标注示例与任务类型示例。
  • GB/T 42755—2023《人工智能 面向机器学习的数据标注规程》:不同内容类型的标注任务要求。
  • GB/T 45652—2025《网络安全技术 生成式人工智能预训练和优化训练数据安全规范》。
  • GB/T 45654—2025《网络安全技术 生成式人工智能服务安全基本要求》。
  • 《生成式人工智能服务管理暂行办法》第八条(标注规则须清晰、具体、可操作;质量评估与抽样核验;人员培训与监督)、第十九条(监督检查时的说明义务)。

注:上述国家标准均为推荐性标准。文中关于多模态判定对象、边界单位与不可判点的表述,为工程实践视角的归纳,用于说明规则写法差异,不替代标准条文原文;具体任务类型与判定要求请以正式文本为准。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 0 先说结论
  • 1 为什么"正确的话"不可执行
    • 1.1 五种高频失效词
    • 1.2 一个具体的对照
    • 1.3 一个反直觉的推论
  • 2 一条合格规则的内部结构
    • 2.1 五要素的填写示例
  • 3 三种句子类型及其转换路径
  • 4 判定标准的三类写法
    • 4.1 三类判据
    • 4.2 三类都写不出来时怎么办
    • 4.3 一处常见误用
  • 5 多模态:边界到底指什么
    • 5.1 五种模态的判定对象与边界单位
    • 5.2 多模态规则的三条通用要求
  • 6 规则的四种边界:判不出来的那些样本
    • 6.1 四类边界情形
    • 6.2 一处容易被忽略的边界:标注对象与样本边界不是一回事
  • 7 术语最小集:同词不同义是隐蔽的失效率来源
  • 8 规则单元卡:把一条规则做成可交付的单元
  • 9 可测试性自检:三人独立判
  • 10 六种常见失效
  • 11 提交前核验清单
  • 12 FAQ
  • 13 结语
  • 附:主要依据
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档