AI 评估数据集构建与标注流程（2025）

AI 评估数据集构建与标注流程（2025）评估数据集决定了评估的可信度，需要规范采样与标注与质量流程。一、采样与覆盖采样：覆盖主流与长尾场景，控制偏差。分层：按类别与难度分层，提升代表性。二、标注与质检标注规范：统一标签与说明，降低歧义。质检：双人标注与仲裁，提升质量与一致性。三、评估与闭环指标：准确性与一致性与引用正确率（对 RAG）等。闭环：将评估结果用于数据与提示与检索优化。注意事项关键词、分类与描述与正文一致；流程与方法为通用与可验证实践。保留评估集版本与变更记录，支持对比与回溯。