好数据是模型改进的最小可验证单元
我们不把数据理解为待加工的内容集合，而把它理解为由任务、参考、验证、运行和裁决共同组成的能力证据。
规模回答能生产多少，方法回答生产的东西为什么值得进入模型。
同样一条任务，可以只是文本，也可以成为训练信号、诊断工具或版本决策依据。差异来自能力定义是否清楚，任务是否成立，证据是否闭环，以及复核能否解释分歧。
在扩大规模以前，先证明数据有效
不同领域采用不同验证方式，但以下五项原则不变。
能力增量优先
数据价值来自它能否识别、训练或验证一项具体能力，而不是来自条目数量本身。
任务成立优先
任务必须清晰、可解、可区分，并对目标能力形成必要而非偶然的压力。
过程证据优先
来源跨度、参考推导、工具轨迹、运行日志和复核理由共同支撑结论。
复现能力优先
环境、依赖、数据版本、验证器和随机性边界需要允许关键结论被独立复跑。
分歧可解释
高质量系统不隐藏分歧，而是记录判断差异、责任层级与最终裁决。
一条可验收数据应包含什么
不是所有项目都需要完全相同的字段，但复杂任务通常需要覆盖以下六个层面。
任务规格
目标能力、输入边界、允许工具、完成条件与明确的失败定义。
参考与量规
专家参考、关键步骤、部分得分、边界案例和不可接受行为。
验证机制
来源核验、符号或数值检查、隐藏测试、环境复跑或专业复核。
运行证据
模型版本、输入版本、行动—观察链、日志、产物和验证结果。
判断记录
独立评审、置信度、分歧原因、升级路径和最终裁决。
版本状态
草拟、校准、返修、接受、弃用，以及每次状态变化的依据。
数据发布不是终点
真正有效的生产系统会用模型失败重新定义下一轮任务，而不是反复扩大同一种题目的数量。
定义边界
从模型错误、业务风险或现有评测盲区中确定目标能力。
构造任务
由符合资格的作者生成任务、参考、量规和验证逻辑。
独立验证
通过复算、复跑、盲审或隐藏测试确认任务与答案成立。
模型压力测试
识别捷径、污染、歧义、评委偏差和环境不稳定。
形成版本
按接受、返修或弃用状态组成可审计的发布批次。
回到模型
用失败分布决定下一批任务、训练样本和评测版本。
具体任务需要根据样本、模型阶段、运行环境、数据权利与安全要求重新校准。公开页面说明的是方法，不替代项目级验收标准，也不暗示未经确认的客户关系或认证。
让下一批数据，针对你的能力目标
从任务目标与样例开始，共同确定材料、专家、验证方法与交付范围。