<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>质量检查 on AI 观察</title><link>https://ai.wujiong.cc/tags/%E8%B4%A8%E9%87%8F%E6%A3%80%E6%9F%A5/</link><description>Recent content in 质量检查 on AI 观察</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Mon, 19 Oct 2026 08:49:00 +0800</lastBuildDate><atom:link href="https://ai.wujiong.cc/tags/%E8%B4%A8%E9%87%8F%E6%A3%80%E6%9F%A5/index.xml" rel="self" type="application/rss+xml"/><item><title>用大模型打标签后怎么抽检？一致性检查与标注规范迭代方法</title><link>https://ai.wujiong.cc/posts/2026-10-19-data-llm-label-consistency-check/</link><pubDate>Mon, 19 Oct 2026 08:49:00 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-10-19-data-llm-label-consistency-check/</guid><description>&lt;p&gt;&lt;strong&gt;大模型打标签的速度很快，但「快」不等于「对」。可靠的做法是：先定清楚标注规范，再按类别分层抽样做人工复核，同时让模型对同一批样本重复标注检查稳定性，最后把错得最多的标签对拿出来修改规范和提示词。&lt;/strong&gt; 这个循环跑两三轮，标签质量通常就能稳定下来。&lt;/p&gt;
&lt;h2 id="第一步标注规范先行"&gt;第一步：标注规范先行&lt;/h2&gt;
&lt;p&gt;在让模型打标签之前，先写一份规范：&lt;/p&gt;</description></item></channel></rss>