## 1 四类数据集建设目标与实施范围
### 1.1 建设目标
我方建设供需计划、产品工艺设计、制造过程、产品质量四类高质量行业数据集，每类分别形成预训练、有监督指令微调、人类偏好对齐和基准评测四个用途子集。数据加工贯通资源接入、内容整理、知识组织、样本制作、质量检查、模型验证和版本交付，形成能够持续更新、按需调用和追溯来源的数据成果。四类数据集采用统一的对象标识、元数据、质量规则、安全控制及版本管理方法，依据各自业务对象和使用任务组织专属加工路径。
数据集建设以合格交付量为计量依据。四个业务域合计交付预训练数据615亿Token、指令微调数据89万条、强化学习偏好数据6.6万组、基准测试数据0.95万条，并分别达到各业务域的规模要求。交付数据覆盖文本、图像、时序、视频四类模态，多模态数据条数占比不低于40%，近3年内时效性数据条数占比不低于40%。来源登记量、接入量、处理中间量和最终合格量分别统计，质检剔除、重复样本和未完成验证的内容不计入合格交付量。
我方围绕产品智能选型、板材备料工艺智能设计、库存控制智能化、热处理过程控制智能化、焊接过程控制智能化、刮板输送装备健康诊断智能化六个专业场景，以及管理制度智能问答助手、技术标准智能问答助手、标书智能问答助手、决策数据智能问答助手、合同合规审查智能助手五个通用场景开展数据集验证。验证使用明确的数据版本、模型版本、任务协议及评价条件，检验知识注入、指令遵循、专业判断和业务任务完成效果，形成支持数据修订的具体结论。
项目数据生产以数据治理为横向管控层，以知识本体与知识库为统一知识底座。采集、预处理、标注、合成、增强、质检和验证构成纵向生产链，知识底座向各加工环节提供统一概念、关系和证据，数据集项目管理贯穿计划、任务、质量、风险、版本和交付。奔牛数据智能平台 承载加工生产、安全防护和运营服务能力，各项能力共用身份、权限、元数据、血缘及审计规则。
图 1-1 四类数据集生产组织
### 1.2 实施单位与业务协同
项目实施覆盖刮板机研究分院、工艺研究分院、备料加工分厂、生产管理部、热处理分厂、结构件焊接分厂、企业管理部、科研管理部、营销中心和审计法务部，管理单位为数字化转型工作办公室。我方按照业务对象和数据责任组织对接，将资料提供、含义确认、专业复核及使用评价落实到相应岗位，形成经过甲方确认的数据责任目录。
同一业务对象涉及多个部门时，分别记录来源责任、解释责任和使用责任。物料编码的维护部门、库存业务的管理部门和需求预测的使用部门可以不同，其职责在对象登记时明确。涉及工艺、质量和设备运行的跨部门关联，由相关业务岗位共同确认关键连接条件，数字化转型工作办公室协调存在分歧或需要统一执行的事项。
| 实施单位 | 数据与业务协同重点 | 主要确认事项 |
|---|---|---|
| 刮板机研究分院 | 产品结构、设备与部件设计资料、选型规则及参数关系 | 产品适用条件、部件层级、设计参数及规则依据 |
| 工艺研究分院 | 工艺路线、图纸与工艺卡片、备料工序及编制规范 | 图纸版本、工序关系、材料与设备约束、工艺审核状态 |
| 备料加工分厂 | 备料作业、工序执行、完工返工及现场反馈 | 计划与实际执行的区别、异常原因及工序结果 |
| 生产管理部 | 生产计划、施工令号、工单、排产及完工信息 | 计划版本、状态转换、时间口径及跨部门对象关联 |
| 热处理分厂 | 炉次、装炉对象、工艺设定、实测曲线及过程记录 | 工件与炉次对应、测点单位、工艺阶段及异常时间 |
| 结构件焊接分厂 | 工件、焊缝焊道、焊接参数、视觉资料及检测关联 | 焊道类型、工况条件、时间对齐及缺陷复核依据 |
| 企业管理部 | 管理制度、管理流程及经营管理业务知识 | 制度有效版本、适用范围、例外条件及执行口径 |
| 科研管理部 | 科研资料、技术报告、技术标准及成果资料 | 文件版本、引用权限、技术结论适用条件 |
| 营销中心 | 客户需求、订单、销售、历史选型及服务反馈 | 客户需求含义、订单变更、产品配置及选型效果 |
| 审计法务部 | 合同、招投标材料、审查要点及风险案例 | 权利范围、敏感内容、条款条件及审查依据 |
数据责任目录按资源对象维护，包含所属业务域、来源系统、责任岗位、字段解释、获取权限、更新方式和问题反馈渠道。岗位调整时变更联系人和权限，保留历史任务责任，不随人员变化重建数据标识。需要专业裁决的事项转交相应领域专家，专家意见与原始证据、规则版本和裁决时间共同归档。
### 1.3 业务成果与服务责任
我方交付行业多模态高质量数据集1套，完成九类二十五项专项智能工具链建设，建设数据集运营服务管理平台1套，落实采购清单列明的十六项功能及相应平台服务要求。工具链和运营平台不限制使用节点数量。数据集成果、工具运行、运营登记和质量档案建立关联，支持从交付版本追溯至来源批次、加工任务及验证结果。
数据加工生产实施覆盖数据治理规划与实施、行业大模型训练推理技术服务、数据加工生产、数据集建设及指标落实、场景验证、运营推广和关键技术攻关。数据从加工环节移交运营平台后，我方继续履行项目要求的运营推广、国家数据基础设施接入及其他服务责任。加工交接记录用于明确阶段产出和接收状态，项目整体履约范围按照招标文件和合同执行。
场景相关工作承担数据集验证服务，围绕实际业务任务组织数据准备、模型训练与评测、专业检查和整改复测。验证环境中的配置、试验和结果记录服务于数据适用性检验，涉及现场生产、设备控制或业务审批的操作执行甲方既有授权程序。本项目不负责智能场景建设。
配套成果与数据生产同步组织。发表高质量论文不少于5篇，申请发明专利不少于3项，获得软件著作权不少于6项；建立不少于50人的数据标注专家库，落实六大专业领域覆盖，制定多模态数据标注规范，建设软建设配套措施，编制不少于7份项目内部管理制度。成果选题、实验记录、技术实现和知识产权审查与实际工作关联，成果发布前检查数据使用权限及敏感信息。
质量评测覆盖首轮全量评测、缺陷整改和复测，形成正式盖章评测报告与完整数据质量档案。信息安全风险评估按要求开展等级保护测评及商用密码应用安全性评估。生产过程中的质量检查、安全检查和技术验证为正式测评提供可复核材料，分别保留实施主体、检查对象和结论，不以内部检查替代要求的正式测评。
## 2 数据来源组织与加工接入
### 2.1 业务系统资源组织
数据来源覆盖客户关系管理系统CRM、企业资源计划系统ERP、供应链管理系统SCM、质量管理系统QMS、仓储管理系统WMS、制造执行系统MES，以及采购清单列明的LMS、EMS、SOS、EAM、PLM、SCADA、OA、久其系统、主数据管理平台、热处理群控系统和安全监管平台。各系统集成基于项目实际业务需求执行，资源调查记录具体模块、对象、字段、历史范围、更新方式、可用接口和源端责任。
源系统调查优先核实数据的业务含义及关联条件。对于订单与计划，确认计划修订、订单撤销、交付变更和状态回退的记录方式；对于物料与库存，确认计量单位、库位、在途、占用和可用状态；对于设备与工序，确认设备编码、点位命名、时间基准和维护记录。数据字段的名称相同但统计含义不同，分别登记来源定义，完成映射后再进入统一样本。
接入采用经过批准的只读接口、数据交换或文件交接方式，按来源条件安排存量采集与增量更新。增量任务记录上次成功水位、本次请求范围、实际返回范围、源端变更时间和接收时间。源端补录、历史更正和删除事件单独处理，防止只取新增记录而遗漏业务修正。源系统无法提供可靠变更标识时，采用经确认的周期核对、分区复查或文件版本比对补充识别变化。
获取数据之前核实来源授权和用途限制，区分用于加工、模型训练、质量评测、场景验证及对外服务的权限。对只能在限定环境处理的资料，作业运行和访问控制遵守相应边界。原始数据在本地受控环境留存与加工，模型调用按本地数据处理要求部署和配置，不将原始数据上传至云端。外部行业资料同时核查许可、商业使用条件和可再分发范围。
### 2.2 离线多模态资源组织
离线资源覆盖业务域文档、图片、工程图纸、技术书籍、财务票据、音视频等类型，提供批量导入和实时接入能力。导入前登记资料名称、来源部门、文件类型、版本、形成时间、权利状态和用途；导入后保留原件、完整性校验值及目录关系。纸质资料数字化时记录扫描批次和页序，装订拆分、空白页、附图及折叠页分别检查，避免页数齐全但技术内容缺失。
对图纸与工艺卡片建立成套资料关系，保留图号、修订号、零件名称、材料、适用产品及审核状态。自动分类和关键信息抽取输出候选结果，由规则检查结构、数值和单位，由业务人员复核低置信内容及关键技术字段。对文字方向复杂、尺寸交叉、印章遮挡或附图不清的资料，保存问题位置，按补扫、补充电子原件或专业判读处理。
音视频资源按实际业务对象、作业时间和事件组织。长视频按工序或事件形成可追溯片段，片段记录原文件、起止位置、设备和现场条件。语音转写保留时间戳及不确定内容，涉及参数、材料牌号和专业术语的转写经过专门复核。自动提取的字幕、画面事件和音频描述分别保存证据位置，不能仅凭时间相近确认其属于同一对象。
离线数据按业务主题和知识体系聚类，执行去噪清洗、格式统一、结构化转换和版本管理。分类标签使用统一词表，跨业务主题的文件保留多重关联及主要归属，避免重复导入造成多份不可区分的副本。形成电子化数据资产目录后，目录项关联原件、解析件、结构化记录及相应质量状态，后续更新沿用原对象关系并形成新版本。
### 2.3 接入与加工的交接记录
接入任务完成数据落地后提交批次交接记录，列明来源系统或资料目录、获取方式、时间范围、文件数、记录数、文件校验值、字段结构、源端水位、许可范围和异常事项。加工侧依据交接记录逐项受理，检查文件可读性、结构变化、数量差异和关联字段。接入成功表示数据已到达，受理通过表示数据符合进入相应加工环节的条件，两种状态分别记录。
批次接收时即生成唯一标识，发生对账差异、文件损坏或权限异常的批次也保留编号，进入隔离或待处理状态。问题记录关联来源请求、交接清单和已落地对象，能够说明数据在何时到达、哪些内容有差异、由谁处理。修复后再次核对并更新受理状态，完整记录恢复过程，避免异常数据因未登记而脱离统计。
数量对账区分文件数、业务记录数、对象数和派生片段数。一个文件解析成多条记录时保留一对多映射；一条业务记录包含多份附件时保留主记录与附件关系；历史重传与新增内容分开统计。对账发现差异后先检查统计单位和过滤条件，再定位缺失或重复对象，核验完成后才放行相应处理任务。
| 交接对象 | 接入侧提供 | 加工侧核验 | 不符合时的处理 |
|---|---|---|---|
| 结构化业务数据 | 表结构、字段解释、主键、水位与记录清单 | 结构版本、主键唯一性、字段类型和时间范围 | 隔离变化字段，联系来源确认映射后重取或转换 |
| 图纸及文档 | 原件、版本、附件关系、页序与校验值 | 文件完整性、图文可读性、关联对象和许可 | 补齐缺页附件，修复版本关系后重新受理 |
| 时序数据 | 设备点位、单位、频率、时间基准和缺测记录 | 测点含义、时间连续性、单位及异常值 | 标记缺测和时钟问题，重采或按许可范围限制用途 |
| 图像与音视频 | 原文件、对象信息、录制条件和事件范围 | 可读性、清晰度、对象身份和时间对应 | 保留原件，补充对象证据或分离无法确认的片段 |
| 外部行业资源 | 获取渠道、许可文本、适用版本和用途范围 | 来源真实性、商业使用条件及再分发限制 | 暂停使用，补足合法授权或更换合规来源 |
### 2.4 来源更新与历史数据修正
更新任务沿用来源标识和业务主键，对新增、更正、撤销和失效分别形成事件。源端更正影响已发布样本时，通过血缘关系定位关联的数据集版本、知识条目、训练任务和服务目录，形成影响清单。原始交付版本保留历史记录，修订结果经重新加工、质检和验证后作为后继版本发布。
对象标识变更采用映射表记录旧编码、新编码、生效时间及变更原因。设备更换、部件替代、物料合并或产品设计修订不直接改写历史事实。涉及不同时间有效性的映射，按样本发生时间选择适用关系；无法确定的记录标记为待核验，限制进入要求明确归属的训练及评测任务。
更新频率与业务变化、数据可获得性和场景要求共同确定。高频采集数据按时间窗口组织，业务单据按变更事件或既定周期汇聚，技术标准和管理制度在版本发布或废止时触发检查。每个来源建立更新执行记录，记录应到、实到、缺口、重传和恢复情况，持续更新的结果纳入批次生产计划和数据集质量档案。
## 3 数据生产链路与版本控制
### 3.1 生产任务的统一组织
我方按照数据采集、数据预处理、数据集标注、数据合成、数据增强、数据集质检、数据集验证的生产链路组织任务。每项任务固定输入对象、处理规则、工具配置、执行环境和输出要求，任务完成后登记结果、质量状态、异常及处理记录。上下游通过经过核验的对象清单交接，使每个产出能够追溯到明确的输入范围。
知识本体和知识库以受控版本提供业务概念、对象关系、术语、规则和事实依据。二者随业务理解及资料更新迭代，其发布过程独立审核，生产任务引用确定版本。数据集项目管理贯穿各阶段，负责生产计划、资源安排、风险跟踪、进度统计、成果配置和交付检查，避免将管理活动限定为末端归档。
数据治理向生产链提供业务术语、参考数据、数据元、指标及相关标准，发布质量规则、分类分级和元数据管理要求。生产活动将字段映射、处理血缘、质量问题、权限执行和服务使用情况反馈至治理管理。遇到现有标准未覆盖的对象时提出变更申请，专业评审后形成新的标准及规则版本，生产侧不私自新增不可解释的业务分类。
纵向生产链按照任务实例与版本关系保持有向无环。已经完成并冻结的输入和输出不回写；质检或验证发现缺陷时，生成引用原结果的修订任务，重新形成下游产出。修订任务与历史任务具有明确先后关系，能够同时保留原有处理证据与改进后的内容。受影响范围由来源、规则、工具和样本血缘确定，需要扩大复核时记录扩展依据。
图 3-1 数据生产与版本流转
### 3.2 主要环节的输入输出
采集环节形成可追溯的原始批次，完成来源、授权、对象及时间登记。预处理环节完成解析、清洗、去重、结构还原、标准化和跨模态关联，形成带有原件定位信息的规范化数据。知识本体定义设备、部件、物料、工序、质量特性、故障和业务事件的关系，知识库组织经过审核的专业资料及证据，为后续标注与样本构建提供依据。
标注环节将业务含义转化为可供训练和评测使用的标签、答案、关系或排序。自动预标注结果经过规则检查和相应人工复核，争议样本提交专家处理。合成和增强环节根据已确认的覆盖缺口开展受控扩展，保留种子数据、生成配置及专业约束。合成增强结果经过事实检查、分布检查、重复检查和安全检查后，方可进入允许使用的用途子集。
质检在训练前检查数据内容、结构、标签、来源、规模、安全及分布，输出逐项结果与缺陷清单。验证在训练后检查数据对行业知识、任务能力、偏好对齐和场景效果的实际贡献。两类工作使用一致的对象标识和版本关系，分别保存数据自身质量证据和模型应用效果证据。通过质检的数据仍须完成规定的训练及验证；验证表现良好也不能豁免数据来源和安全检查。
| 环节 | 主要输入 | 主要输出 | 进入后续环节的条件 |
|---|---|---|---|
| 数据采集 | 授权资源、采集需求、对象与字段定义 | 原件、原始记录、批次及交接清单 | 来源可核、权限有效、交接差异已处理 |
| 数据预处理 | 已受理原始批次、标准和处理规则 | 规范化内容、结构化字段、关联关系及血缘 | 解析结果可复核，关键字段和对象关系通过检查 |
| 知识本体 | 业务术语、主数据、对象关系及专家意见 | 本体、实体关系、词表及版本记录 | 概念和关系审核通过，映射及适用范围明确 |
| 知识库 | 专业资料、结构化知识、本体及来源证据 | 知识条目、知识图谱、索引及使用权限 | 出处、有效性、适用条件及访问控制核验通过 |
| 数据集标注 | 规范化样本、本体、规范及专家规则 | 标签、答案、偏好理由和复核记录 | 专业事实和标签质量达到规定要求 |
| 数据合成与增强 | 合法种子、缺口需求、约束及配置 | 合成增强样本、来源标识及质量记录 | 业务合理性、真实性边界和用途限制检查通过 |
| 数据集质检 | 候选样本、规则及统计口径 | 质检报告、问题清单和受控候选版本 | 训练前检查合格，关键缺陷已关闭 |
| 数据集验证 | 候选版本、模型、评测协议及场景任务 | 验证报告、能力变化、错题归因及整改任务 | 完成规定验证，整改和回评符合交付要求 |
| 数据集项目管理 | 计划、任务、过程记录及阶段成果 | 进度与风险记录、版本包、交付及变更档案 | 数据内容与记录一致，交付材料完整可核验 |
### 3.3 过程检查与异常分流
各环节设置与处理风险相匹配的检查点。入口检查来源、许可及结构；预处理检查解析准确性、标准映射和关联条件；本体与知识库发布检查专业依据及版本关系；标注检查标签完整性、准确性、一致性及争议处置；合成增强检查事实条件、分布变化和衍生关系；训练前检查用途切分及候选版本；交付前检查验证结论、规模和配套文件。
确定性格式、必填项、主键、校验值及权限规则可执行自动检查，专业含义、歧义解释及高风险业务判断采用人工或专家复核。自动结果同时记录命中规则、输入字段和判定时间，便于复算；人工结论记录证据位置、适用规范及判断理由。对于自动与人工结论冲突的对象，保留双方结果，完成复核后才能变更状态。
异常分为来源与授权异常、内容与结构异常、专业与标注异常、版本与关联异常、执行与环境异常。每类异常指定处置岗位和重新检查要求。原件无法读取时返回接入或补采；解析错误返回对应预处理任务；标签错误返回标注；知识依据失效返回知识审核；训练配置异常由训练作业处理。不能确定原因的异常继续调查，不用猜测结论放行数据。
阻断发布的缺陷保持独立状态。涉及来源不合法、越权使用、严重敏感信息泄露或关键专业结论错误的对象，暂停相关处理或服务，核查受影响范围，完成整改与复核后恢复。一般格式及非关键字段问题按照既定质量规则处理，规则不允许缺失的内容必须修复。异常批次和已通过批次分开管理，防止重跑时将隔离内容重新混入。
### 3.4 任务重试与定向修复
生产任务执行前登记输入清单和处理配置，执行后输出完成、失败及跳过对象清单。任务中断时从已验证的检查点恢复，核对前次成功输出后处理剩余范围。相同输入及配置的重试通过任务标识识别，防止重复生成样本、重复计数或重复提交质量检查。环境变化可能影响结果时，新建任务版本并记录变化原因。
缺陷修复依据对象血缘确定最小有效范围。单条原始记录更正时追踪由其形成的片段、样本和知识条目；公共解析规则缺陷则查询使用该规则版本的全部批次；本体关系变更则查询引用该关系的标签及任务。处置范围由事实依据确定，不能为减少返工而遗漏共享依赖，也不以整库重做替代原因定位。
修复后先检查原缺陷是否消除，再检查修改对相关字段、标签和用途的影响。重新运行必要的质检、模型验证和场景回归，比较新旧版本结果。若问题由评测条件错误引起，修订评测协议并重新评测，保留原结论及失效原因。所有关闭记录关联修复任务、复核证据和批准结果，形成完整的数据质量档案。
## 4 四个业务域的专属加工路径
### 4.1 供需计划数据集
供需计划数据集围绕客户需求、产品配置、订单、供应、库存、生产计划和经营指标组织。首先统一客户、产品、物料、施工令号、供应商及业务单据标识，保存同一对象在不同系统中的编码映射；再按业务事件建立需求形成、订单变更、物料需求、采购在途、库存占用、生产执行和交付结果之间的时间关系。计划值、执行值与事后统计值分别保存。
需求解析样本包含客户原始表达、工况参数、技术要求、缺失条件和规范化结果。涉及产品选型时，关联产品参数、配置规则和历史案例，保留公式条件及计算过程。历史方案经过专业审查后用于知识和指令构建，方案获批、实际投产和使用反馈分别记录，避免把曾经提出的方案误标为已经成功应用的结果。
库存与计划数据按照同一业务时点形成快照，区分实物库存、在途库存、已分配库存及可用库存。成本金额与数量口径分别管理，明确币种、计价基础、统计期间和单位换算。预测任务只使用预测时点之前能够获得的信息，之后到达的采购、生产或发货结果用于验证，防止利用未来信息形成不真实的预测效果。
预训练子集组织行业经营知识、产品资料及经过授权的计划管理语料；指令微调子集覆盖要素抽取、参数计算、需求澄清、库存查询及计划分析；偏好子集比较不同建议在约束满足、证据完整、业务可执行性和风险提示方面的质量；基准子集固定问题条件、参考答案、判分规则和数据时点。四类用途保留来源关系，按对象和时间分组隔离。
供需计划样本进入验证前，检查供需双方对象能否关联、计划和执行状态能否区分、计算输入是否充分、结果是否可复算。对于无法确认的交付承诺、库存可用量或采购到货时间，保留不确定状态，构建需要澄清或补充资料的任务。版本发布时输出规模、产品与物料覆盖、业务期间、任务类型及来源分布统计。
### 4.2 产品工艺设计数据集
产品工艺设计数据集围绕设备、部件、零件、图纸、材料、工序、设备能力及工艺卡片组织。加工以图号、修订号及适用对象为主线，建立设计图纸、材料要求、工艺路线、工序附图和审核记录的对应关系。对于相同图号的不同修订，保留各版本有效范围与变更内容，按照实际任务条件选取适用版本。
图纸解析同时保存原图位置和结构化字段，区分名义尺寸、上偏差、下偏差、单位及公差类型。符号、剖面、局部详图与附注保留关联，不将分散位置的数值直接拼接为同一尺寸。文字识别与几何信息冲突时，记录候选结果并由专业岗位确认。无法明确归属的字段不能自动用于工艺计算和标准答案生成。
工艺卡片按工序顺序组织，关联材料、毛坯、设备、工装、加工参数、检验要求及人员审核状态。板材备料涉及的28道工序及历史工艺资料用于工序词表和业务覆盖核查，约63万张历史工艺样本的实际可获得范围、完整性及有效性分别核实，不直接将历史资料总量作为合格样本数量。纸质转录和电子解析结果均接受相同的专业检查。
指令样本覆盖图纸关键要素识别、工序推荐依据、工艺卡片结构生成、附图信息核对、设计变更影响和异常工艺处理。推理过程保留经过专业确认的条件、规则与判断步骤，不能将模型自行补充的解释当成原始工艺事实。偏好排序兼顾工程正确性、约束满足和证据引用，表达流畅不能抵消材料或公差错误。
基准测试按零件家族、图纸版本及关联工艺成套分组，避免同一零件的不同截图或相邻工序分别进入训练与测试。检查既包括常见图样，也包括符号密集、版本变化、缺失条件和设备能力受限等情况。验证中的错误定位到图元、字段、规则或工序关系，修订后复查引用相同规则的同类样本，形成可复用的专业校验规则。
### 4.3 制造过程数据集
制造过程数据集围绕工件、生产批次、设备、工序、炉次、焊缝焊道、传感器点位及操作事件组织。接入数据先统一对象和时间，再进行清洗和特征构建。对于不同采样频率和不同时间精度的来源，保留原始时间戳、时区、采集时间和校准关系，插值、重采样及窗口切分均记录方法和参数。
热处理数据按实际炉次、工件或生产批次建立联系，工艺设定与实测曲线分别保存。温度、功率、保温时间、冷却条件及质量检测关联到对应对象和阶段，换炉、转运、缺测及设备维护形成独立事件。曲线片段可以按升温、保温、冷却等业务阶段组织，但阶段边界依据实际工艺与设备记录确认，不能单纯按固定时间等分。
焊接数据结合电流、电压、预热温度、层间温度、焊接速度、送丝速度、气体流量和焊道类型等信息，关联熔池视频、焊缝表面图像及检测结果。打底、填充、盖面等阶段与材料、板厚、焊丝及工艺要求共同构成条件。视觉遮挡、弧光、镜头切换与传感器故障作为数据质量事件记录，避免将采集异常误判为生产缺陷。
设备运行和健康诊断相关数据按设备、部件、工况、报警及检修事件组织。异常现象、初步诊断、确认原因和处理结果分别标注，故障结论引用维修记录或其他专业证据。时间窗口长度依据目标任务和事件过程确定，相邻窗口及同一故障事件保持分组关系，避免高度相似的片段同时进入训练和测试。
制造过程中的合成和增强用于经过批准的训练用途，对物理边界、参数相关性和事件顺序进行检查。缺测补齐与合成扩展分别标识，保留原始缺口，不将补出的数值描述为实际测量。模型验证使用真实独立记录检验异常识别、趋势判断和专业解释能力，对少见工况和跨设备迁移结果分别报告，避免平均结果掩盖局部适用性不足。
### 4.4 产品质量数据集
产品质量数据集围绕检验对象、检验项目、技术依据、检测方法、测量值、缺陷、处置及复验记录组织。进料检验、过程检验、成品检验和运行反馈分别登记，建立物料批次、工序、工件及检测对象之间的关系。检验记录版本与适用标准共同保存，标准更新后保留历史结论的原判定依据。
质量指标区分原始测量、换算值、判定结果和处置决定。硬度、尺寸、外观、焊缝缺陷等字段明确单位、测量位置、方法及适用条件。超出范围的数值先核查数据录入和仪器记录，确认属于真实异常后保留为质量样本，不能通过数值裁剪消除生产中的不合格事实。返工后的复验结果与首次检验分别保存，保持状态变化可追溯。
缺陷图像标注保留原图、缺陷类别、位置、范围及证据。对于裂纹、气孔、咬边、余高、弧坑和焊脚偏差等对象，标签定义与专业规范一致；边界模糊或无法确定的区域保留争议状态，经复核后确定可用标签。表面可见现象与内部缺陷结论分别管理，不能从图像外观直接推定缺乏检测依据的内部质量问题。
质量与制造过程关联时，优先核验是否属于同一工件、炉次、焊缝或批次，再分析时间与工艺条件。批次级检测结果不能无条件下放为每件产品的独立标签，抽检结论的适用范围按原始抽检与处置规则表达。原因分析样本保留候选因素、已排除因素和最终确认依据，区分统计相关性与经过验证的原因。
预训练子集组织质量标准、检验知识和合规报告；指令微调子集覆盖检验记录抽取、缺陷识别、判定依据查找及处置分析；偏好子集关注技术依据、对象条件、结论边界和风险表达；基准子集采用经过专业审核的真实样本。质量验证结果按缺陷类型、严重程度、检测条件及来源分层统计，对漏检和高风险误判单独复核并安排补采、重标或规则修订。
图 4-1 四个业务域的对象关联
### 4.5 跨域关联与通用知识支撑
四类数据集通过统一业务对象形成关联。需求与订单关联产品配置，产品设计关联材料和工艺，制造记录关联实际工件，质量结果关联对应过程，运维反馈关联设备及部件。关联关系记录依据字段、时间条件、适用范围和确认状态，跨域使用时同时检查数据质量与权限。存在多种可能关系的对象保留候选，不以方便训练为由强制唯一匹配。
管理制度、技术标准、招投标资料、经营指标及合同知识按照实际业务归属和用途组织，支撑五个通用场景验证。相同文件同时服务多个场景时保留一个来源身份，场景样本记录各自问题、证据及适用条件。通用知识的规模计入遵守所属数据集和用途子集的计量规则，不通过复制至多个场景重复增加合格交付量。
跨域样本采用共享对象清单检查时点一致性。订单、设计、生产和质量资料处于不同有效时间时，明确问题所对应的业务时点及可引用版本。数据权限按参与样本的各来源共同约束，不能因完成关联而扩大原有授权。版本发布前抽查代表性跨域任务，核对从问题到答案、从结论到原件的证据链是否完整。
## 5 用途子集与规模计量
### 5.1 分域建设规模
我方以四个业务域和四个用途子集构成的数据集结构组织生产，逐域、逐用途制定生产批次和累计合格交付计划。预训练按Token计量，指令微调与基准测试按条计量，强化学习偏好数据按组计量。各类单位分别核算，文件大小、文件数量、图像数量及视频时长作为辅助资源统计，不能直接替代相应用途子集的规模指标。
| 数据集 | 预训练数据 亿Token | 指令微调数据 万条 | 强化学习偏好数据 万组 | 基准测试数据 万条 |
|---|---|---|---|---|
| 供需计划 | 276 | 40 | 3.2 | 0.4 |
| 产品工艺设计 | 70 | 10 | 0.8 | 0.1 |
| 制造过程 | 105 | 15 | 1 | 0.2 |
| 产品质量 | 164 | 24 | 1.6 | 0.25 |
| 合计 | 615 | 89 | 6.6 | 0.95 |
上表各业务域规模分别落实，合计达到615亿Token、89万条、6.6万组和0.95万条。生产过程另行配置合理的资源储备与返工能力，吸收清洗、去重、质检和验证带来的损耗，保持最终合格交付量达到分域要求。已经剔除的数据、临时中间结果和重复派生记录不作为完成规模的依据，各域之间也不以超出量抵消其他域的缺口。
批次计划区分资源准备量、候选样本量和验收合格量，根据来源质量、解析成功情况、标签通过情况及验证结果动态调整。计划调整首先明确缺口属于来源不足、加工损耗、质量问题还是业务覆盖不足，再安排补采、工艺调整或返工。不得为了保持计划表面完成率放宽规则或将隔离数据转入合格清单。
### 5.2 四个用途子集的组织方式
预训练子集保留专业知识和业务语境，按来源、业务主题、文本结构及模态组织。长文档切分保留章节、表格、附图及上下文关系，训练输入和原文之间建立可复核映射。分词器及版本固定后进行Token统计，重复材料和无效内容在正式计量前处理，统计记录包含输入范围、过滤规则、程序版本和执行结果。
指令微调子集按任务定义组织，至少能够确定输入、指令、期望输出和适用条件。多轮对话作为具有共同任务目标的整体管理，保留轮次顺序和上下文，不将同一对话机械拆分后重复计数。需要证据的答案关联有效原件，需要计算的答案保存计算条件与结果，需要澄清的任务保留缺失信息及合理的澄清步骤。
强化学习偏好数据以同一问题或任务条件下的候选回答及比较结果组成有效偏好组，记录候选内容、排序、评价依据、专业判断和审核状态。候选回答必须具有可比较的任务前提，条件不一致或答案差异来自缺失信息的对象先完成整理。偏好冲突通过复核或重新标注处理，不能将冲突组拆成多组以扩大规模。
基准测试子集包含测试输入、标准答案或评分依据、题型协议、任务类别、难度、专业审核和版本信息。基准建设优先使用真实、独立、可核验的数据，按来源、对象家族、事件和时间实施隔离。模型错误分析可以产生后续数据改进需求，但当前基准答案及判分条件保持受控，不能根据模型输出临时放宽规则。
### 5.3 模态与时效性指标
数据模态覆盖文本、图像、时序和视频，满足超过3种模态的业务范围要求。多模态样本按照同一业务对象和任务中实际关联的模态内容识别，记录模态组合、关联依据及质量状态。仅将同一文字另存为图片，或给无关文本附加任意图片，不能认定为具备有效业务关联的多模态样本。
多模态数据条数占比按冻结版本中的有效样本计算，分子为具有经过验证的多模态关联的有效条目，分母与统计对象、用途范围和计量规则一致。各业务域、用途子集及汇总层面分别输出统计，相关比例按招标要求达到不低于40%。同一条样本具有三种以上模态时仍按一条样本统计其多模态属性，模态种类数量另行报告。
近3年内时效性以数据反映的业务发生时间、形成时间或有效版本时间为依据，按不同数据类型确定可核查的时间字段和计算截止时点。将历史文件重新上传、扫描、转码或加工产生的新时间，不作为原始业务时间。时间无法确定的样本单独列示并核查，不默认归入近3年数据。
时效性统计保留样本编号、时间依据、有效日期和归类结果，便于复算。长时间跨度记录同时包含历史与近期内容时，按经过批准的样本组织方式分别核验，不能以末尾一次更新将全部历史内容计为近期。数据集更新后重新检查规模、模态和时效性比例，防止新增单一模态数据或历史资料使已有比例失去符合性。
### 5.4 去重与规模复核
去重分为文件级、内容级和任务级检查。文件级识别相同文件及历史重传；内容级识别相同文本、图像、时序区间和视频片段；任务级检查不同表达但输入条件和业务目标实质相同的样本。去重规则考虑业务差异，保留具有不同工况、版本或专业结论的真实记录，避免简单相似度规则误删有效长尾样本。
同一来源产生的切片、问答和偏好记录通过父子关系管理，不因多次加工而丢失共同来源。重复检测报告记录相似对象、命中规则及保留理由，人工裁决结果回填规则配置。训练与评测之间的重复检查同时关注原件、对象家族、相邻时间窗口、模板及答案内容，不能仅检查文本完全相同。
版本计量以明确的样本清单和状态为输入，统计程序与输入清单一同封存。复核对照数据文件、元数据、质量状态、用途归属及资产台账，确认条、组和Token的定义一致。发现差异时逐项定位并纠正，未解释的规模差异不得带入交付记录。经过重算的规模结果由质量与生产管理岗位共同核验，作为正式评测的输入材料。
## 6 公共能力与专项工具链衔接
### 6.1 九类工具链的生产调用
我方将九类二十五项工具链纳入统一生产任务管理，工具能力通过规范接口调用，输入和输出均关联样本标识、任务标识及版本。工具配置在任务执行前确定，模型、规则、本体、模板、采样和过滤参数随作业记录保存。相同工具服务不同业务域时使用各自经过确认的规则与数据权限，保留共享能力和业务配置之间的关系。
| 工具类别 | 工具数量 | 生产中的主要作用 | 交接结果 |
|---|---|---|---|
| 思维链构建 | 2 | 大模型自生成思维链及人机协同思维链标注 | 经专业审核的推理步骤及依据 |
| 长上下文数据构建 | 3 | 文档切分拼接、检索增强数据构建及文档结构解析 | 长文本结构、检索证据及问答关联 |
| 多轮对话数据构建 | 3 | 对话模拟、结构化工单转对话及对话质量筛选 | 具有任务状态和上下文关系的对话样本 |
| 多模态数据对齐 | 3 | 设备图纸与工艺图抽取、视频文本对齐、时序与运维事件对齐 | 可核验的跨模态对象及时间关系 |
| 智能标注 | 4 | 大模型预标注、主动学习、本体规则标注及一致性校验 | 候选标签、复核任务及一致性结果 |
| 数据生成与增强 | 3 | 指令生成、工单与故障场景模拟、文本重写与多样化 | 带来源、约束和衍生标识的样本 |
| 数据质量与分布控制 | 2 | 去重相似度过滤及分布分析均衡 | 重复检查、分布统计及调整记录 |
| 数据生成控制与评测 | 2 | 模板化生成、数据集切分与基准构建 | 受控模板、用途切分及基准版本 |
| 数据集验证与归因 | 3 | 多协议模型评测、贡献度归因与错题溯源、数据集模型血缘追溯 | 评测结果、整改任务及版本关系 |
工具输出是后续检查的输入，是否能够进入训练、验证或交付由对应质量流程判定。自动置信度与实际准确性分别检查，专业事实存在冲突时转交复核。工具运行过程中发现共性错误，暂停受影响配置扩大使用，定位已经处理的范围，验证修复有效后再发布新配置。
### 6.2 知识本体与知识库服务
本体按业务对象、属性和关系组织，与数据治理标准保持一致。设备、部件、材料、工序、参数、质量特性及故障模式使用统一编码或明确映射，允许保留来源系统的原始名称。专业同义词、缩写和历史名称形成映射表，概念新增和关系调整经过业务审核，不由单次模型推断直接修改正式本体。
知识库条目保留原始出处、文件版本、适用对象、有效时间、审核状态和访问权限。文本检索、结构化查询和知识图谱查询均返回可定位证据，回答引用能够追溯至页、段、字段或相应业务记录。知识更新时检查引用该条目的样本、规则和验证任务，避免现行知识已变更而训练答案继续使用失效依据。
生产任务引用本体及知识库版本后，批次执行中保持稳定。确需变更时停止受影响任务，完成影响分析并决定从何处重新处理。标签取值、生成约束和答案依据同步更新，经验证的新样本使用新版本，历史样本保留原关系。发布前核验同一交付版本是否混用了不兼容的规则或知识口径。
### 6.3 治理与安全能力协同
治理平台提供数据标准、质量规则、资产目录、分类分级、指标及服务管理要求，加工生产执行相应控制并回传证据。每一批次关联适用标准和规则版本，每一类对象具有明确数据责任，每次处理可以查询输入输出及质量变化。跨系统的元数据映射在治理侧维护，生产侧引用发布结果，不另建含义不同的平行字典。
个人信息、敏感地理信息、重要行业数据和企业秘密数据按分类分级结果执行去标识化或脱敏，处理前后保留受控映射及检查记录。原件访问、加工操作、导出和模型调用分别授权，权限按任务需要授予，并在任务结束或岗位变更时回收。调试日志、错误样本及模型输入同样纳入安全控制，避免业务文件已经脱敏而日志仍泄露原值。
商业用途核查覆盖原始资料、外部数据、软件许可、模型使用条件及生成成果的适用限制。权利约束随数据血缘传递，数据加工和格式转换不自动扩大许可。来源授权到期、撤销或用途改变时，根据影响清单调整访问与服务，必要时停止相关版本使用并组织替换数据和重新验证。
### 6.4 系统集成与运行保障
数据集加工生产平台安装适配于采购的通用服务器，运营服务管理平台安装适配于采购的接入连接器，服务密码机完成国密算法调试，采购硬件完成网络连接及适配。生产任务按照部署分区和访问策略运行，验证应用、存储、数据库、密码服务和审计之间的调用链路，形成安装配置、测试及问题整改记录。
批量作业根据文件类型、数据量、规则复杂度和计算资源分配执行窗口，长期任务设置检查点与运行监控。处理吞吐、失败率、任务积压及资源占用用于调整生产安排，资源不足时先保证关键检查和受控处理，不跳过质检以换取进度。新增工具或系统升级后，使用代表样本验证数据格式、权限、血缘及结果稳定性，再恢复正式批次。
## 7 行业大模型训练与数据验证
### 7.1 训练数据交接
我方构建行业大模型，支持大模型私有化部署及国产通用大模型，选择适配矿山装备制造任务的开源大语言模型和视觉语言模型开展训练验证。训练环境按项目安全要求配置，数据集通过内部受控通道交接。每次实验固定模型基线、数据版本、任务目标和评测协议，训练参数及运行环境与实验结果共同保存。
训练数据交接包含数据文件、样本清单、业务域及模态统计、用途切分、质量报告、许可要求、本体版本和数据字典。接收方核验完整性、格式、读取权限和版本校验值，并通过代表性样本验证输入编码、图文配对、时序表示及标签结构。发现无法读取、模态缺失或格式不兼容的对象，形成问题记录并修复，不能直接从交付清单中静默删除。
训练用、验证用和测试用数据在数据集构建时分别登记用途。相同来源对象的派生样本保持分组，基准测试和保留评测材料实施独立访问控制。训练日志记录实际使用清单和样本过滤结果，核对计划配比与实际配比，避免仅依据交接前统计判断模型实际接触的数据分布。
### 7.2 预训练数据的知识注入验证
继续预训练以Token规模、模态分布、来源构成和领域子集统计为基础，制定文本、图像、时序等数据的训练配比及采样权重。配比设计同时考虑专业覆盖、来源质量和重复情况，不能仅按某一来源的数据量决定其训练权重。需要降低重复影响或增加稀缺专业覆盖时，记录调整依据及对各业务域的影响。
分布式继续预训练记录训练曲线、检查点、运行状态和中间评测结果。异常中断后从经过完整性核验的检查点恢复，核对数据读取位置和随机状态，保持实验可复现。训练数据版本、参数配置或基座模型改变时，重新标识实验，不将不同条件的结果混合统计。
知识注入验证采用领域知识探针、保留语料困惑度及适用的多模态专业任务。探针覆盖产品结构、材料工艺、制造过程、质量检验和供需业务，保留语料与训练数据按来源和内容隔离。结果按业务域、知识类别和数据来源分析，识别领域知识改进与通用能力变化，形成知识注入有效性报告。
当某类知识未出现预期改善时，检查资料覆盖、有效性、重复率、采样权重及模型输入表示。发现陈旧知识、错误解析或失效版本时返回数据加工修复；发现配比不合理时调整训练实验。修复与重训分别记录，依据相同评测协议比较结果，不能仅凭训练损失下降认定知识注入有效。
### 7.3 指令微调数据验证
指令微调数据按照业务场景、任务类型、难度和模态切片，组织基础有监督微调、子集消融微调及混合配比微调实验。有监督微调采用全参数微调或低秩适配、量化低秩适配等适用方式，选择依据包括模型规模、计算资源及验证目标。不同方法的比较记录资源和训练条件，防止将条件差异误认为数据集贡献。
基础实验使用固定的训练与验证划分建立能力基线；子集消融实验移除或单独增加指定子集，分析其对目标任务的影响；混合配比实验改变经批准的数据比例，观察业务效果和能力退化情况。实验样本清单、采样权重、随机种子、训练轮次及停止条件在执行前登记，实验结束后保存实际执行参数。
训练过程跟踪损失、验证集准确率、显存占用和吞吐等指标，应用评测检查指令遵循、任务完成、格式规范及长上下文理解。自动判分适用于结构化字段、格式、确定性计算及明确规则，开放性专业答案由专家抽样复核。复核人员查看原始条件和证据，对答案正确性、条件完整性及建议适用性分别判断。
图纸和工艺任务检查尺寸、公差、材料及工序依据；供需任务检查业务时点、约束和计算结果；制造任务检查对象、时间及工况解释；质量任务检查检验依据、缺陷类别和结论边界。对输出格式合规但专业事实错误的样本，按专业错误处理，不以格式得分抵消关键内容缺陷。
### 7.4 偏好对齐验证
偏好数据在训练前完成格式归一化、冲突处理和难度分层，统一候选回答、排序结果和偏好理由的表示。冲突样本核查是否存在问题条件不同、规范适用不同或专家判断不一致，必要时重新组织独立评审。无法形成可靠比较依据的样本保持隔离，不强制赋予偏好方向。
我方训练行业奖励模型，在独立保留偏好集上评估判别准确率，并按业务域、难度和风险类型检查差异。基于有监督微调模型及奖励模型，按照实验设计开展直接偏好优化或近端策略优化对齐训练。训练记录所选方法、模型版本、数据版本、超参数及评价协议，对奖励模型输出和最终回答分别分析。
对齐过程记录偏好准确率、分布偏移相关的KL散度、奖励均值及回答长度变化，检查奖励黑客、回答冗余和行为退化。候选回答通过增加篇幅、重复限制条件或迎合评分形式获得高奖励时，回查评价规则和偏好标签。专业错误、越权信息披露及不当操作建议作为独立风险分析，不能被总体奖励改善掩盖。
专家偏好对齐度报告记录评价对象、专业领域、样本范围、判断依据、分歧及处理结果；安全合规通过率报告记录测试场景、适用规则、统计分母、问题类型及整改情况。未达到要求的结果按数据、模型配置或评价规则分别归因，修复后完成复测，并检查改进是否造成其他业务任务能力下降。
### 7.5 基准评测与版本比较
基准数据固化题型协议、判分规则、版本号及随机种子，建设可复现的评测沙箱。沙箱隔离模型访问与答案访问，记录模型输入、输出、运行参数、工具调用及判分结果。需要外部知识或规则计算的任务，固定相应知识库及规则版本，保证不同模型在一致条件下比较。
统一评测覆盖基座模型、继续预训练模型、指令微调模型和偏好对齐模型，形成能力变化记录。比较同时呈现总体结果与业务域、任务类型、难度、模态等分层结果。对于误差较大或样本较少的类别，核查样本覆盖及判断稳定性，不将单个任务的偶然改善扩大为整个数据集有效性结论。
错题归因检查脏数据、覆盖盲区、歧义标注、难度分布缺口，以及检索、规则、训练配置或模型本身的问题。归因结论应有可核查证据，无法确认原因时保留待分析状态并安排补充实验。结构化整改任务记录问题样本、影响版本、疑似原因、验证方法、责任环节、修复动作和回评结果。
图 7-1 训练验证与定向修复
### 7.6 十一个场景的数据验证组织
场景验证以业务任务和验收要求组织用例，每项用例记录业务条件、所需数据、模型及知识版本、执行步骤、预期结果和判定方法。正常流程、边界条件、缺失信息、异常数据和权限限制分别测试。验证结论明确适用对象与范围，实际未覆盖的设备、工况或业务类型进入补充验证计划。
| 验证场景 | 数据准备重点 | 数据侧重点核查 |
|---|---|---|
| 产品智能选型 | 客户需求、工况、产品参数、配置与计算规则 | 条件完整性、参数依据、计算正确性及方案适用性 |
| 板材备料工艺智能设计 | 图纸、工艺卡片、工序规则、设备与材料 | 图纸版本、尺寸公差、工序约束及审核记录 |
| 库存控制智能化 | 订单、库存、采购、生产与发货计划 | 时点一致性、库存口径、未来信息隔离及预测依据 |
| 热处理过程控制智能化 | 工艺曲线、炉次工件、材料及检验结果 | 对象关联、过程阶段、实测与设定区分及质量联系 |
| 焊接过程控制智能化 | 焊接参数、焊道、视频图像及检测结果 | 时间对齐、焊缝对应、缺陷标签及参数适用条件 |
| 刮板输送装备健康诊断智能化 | 设备时序、工况、报警、维修及故障结论 | 设备部件关系、事件窗口、原因证据及维修反馈 |
| 管理制度智能问答助手 | 制度正文、适用范围、生效与废止信息 | 现行版本、条款例外、引用完整性和授权范围 |
| 技术标准智能问答助手 | 标准正文、版本、对象及技术条款 | 标准有效性、适用条件、单位与引用位置 |
| 标书智能问答助手 | 招投标文件、澄清资料及附件 | 文件范围、条款版本、要求与应答的对应 |
| 决策数据智能问答助手 | 指标定义、数据快照、维度及计算规则 | 统计时点、分母分子、权限及计算可复核性 |
| 合同合规审查智能助手 | 合同条款、相关制度、审查规则及案例 | 条件与例外、风险依据、证据充分性及敏感信息 |
场景验证按招标文件规定的能力与指标执行，具体问题回流至采集、解析、关联、标注、知识维护或训练验证环节。涉及图纸、工艺或质量判断的错误，修复后增加关联业务回归测试；涉及权限或数据泄露的问题，核查相同来源和服务范围。完成整改的结论由相应专业岗位复核，并与数据交付版本关联。
## 8 质量评测与整改管理
### 8.1 生产质检与正式评测衔接
我方将正式评测要求纳入生产准备，统一指标名称、定义、数据范围和计算口径。生产质检针对日常批次进行及时检查，正式评测针对受控版本开展独立核验，分别形成过程记录和正式报告。测评方依其职责核实输入材料、选取检查方法及形成结论，生产侧提供原始证据和可复现数据，不预设或代替正式评测结果。
质量证据覆盖描述信息、数据质量及数据应用相关指标，关联基本信息、内容特征、建设过程、应用说明，以及结构、安全、格式、标注、类型、真实性、干净性、一致性、隐私、原创性和专业性等检查内容。应用相关证据包括模型适配性、内容多样性、规模完整性、标注准确性、业务相关性、内容均衡性和时间跨度覆盖情况。
首轮全量评测以实际交付范围为对象，全部数据文件和用途子集纳入评测清单。能够自动检查的指标执行覆盖全部适用对象的规则检查，需要专业判断的指标按照相应评测方法组织分层抽样和人工复核。抽样方案明确总体、分层、样本量、随机方式和例外处理，记录抽样清单，不能将只检查部分文件表述为已经覆盖全部评测范围。
### 8.2 评测材料与版本冻结
送评前冻结候选版本，封存数据清单、文件校验值、元数据、字典、规则、用途切分及统计程序。送评记录注明适用业务域、时间范围、模态组成、处理流程和许可要求。评测过程中新增或修订的数据形成独立变更记录，不直接覆盖正在评测的内容；确需更换版本时重新确认影响范围和所需检查。
评测材料包含数据集说明、来源与授权、加工记录、标注规范、质量统计、模型训练与验证、缺陷及整改记录。每个统计值可回溯到输入对象和计算程序，每个专业结论可回溯到依据及复核人员。正式评测需要抽取原件核验时，按照授权范围提供受控访问并记录操作。
模型实战适配评测关联训练前后的多阶段模型以及各场景业务任务，说明测试范围、条件、方法和结果。数据自身质量与模型应用效果分别判定，模型结果未达到要求时继续分析数据与训练原因，不能以数据格式合格替代应用有效性验证。
### 8.3 缺陷分级与整改复测
缺陷记录至少包含唯一编号、发现环节、涉及对象、所属版本、问题描述、严重程度、依据、影响范围、责任岗位、修复方法、计划时间及复测结论。相同规则造成的共性问题集中登记原因，同时保留具体受影响对象。跨业务域的问题由统筹岗位协调处理，各域确认自身整改范围。
高危缺陷清零，中低风险缺陷整改率达到100%，各维度达到合格要求，综合得分不低于85分。整改率以应整改缺陷清单为基础，重复登记经过核验后建立合并关系，不能通过删除未解决问题改变分母。因不适用、误报或重复而调整缺陷状态时，保留审核依据和历史记录。
复测同时检查原问题修复及相关回归。重标样本检查标签一致性和同类样本，解析修复检查使用相同规则的历史批次，权限修复检查允许访问和拒绝访问两类请求，版本修复检查下载、接口及引用关系。问题关闭以复测通过和证据完整为条件，提交修复文件本身不代表问题已经关闭。
集中复测安排与项目蓝图设计、质量评测方案及验收计划一致。各次复测前汇总缺陷状态、修复版本和影响范围，按风险优先级组织资源，重大问题及时开展专项复测。最终报告记录首轮发现、历次整改、复测范围及关闭结论，与交付数据版本一一对应。
### 8.4 质量档案与交付结论
质量档案按数据集、用途、版本和批次建立索引，保存指标依据、统计程序、检查结果、抽样记录、专业意见、问题台账和复测证据。报告中的结论、文件清单和平台状态保持一致，报告引用的版本不得与实际交付文件脱节。评测完成后形成正式盖章报告，并核查报告主体、签章、日期及附录完整性。
质量结论与数据交付共同审核。达不到规定规模、模态比例、时效性比例或质量指标的版本，继续安排补充生产和复测。已经通过检查但后续发现来源、授权或关键事实问题时，按影响范围重新评估，采取暂停使用、修订或撤回等措施，并维护历史记录及下游通知清单。
## 9 数据成果交付与运营衔接
### 9.1 数据集版本封装
每个交付版本形成结构完整的数据包，包含数据文件、样本索引、数据字典、元数据、用途划分、许可说明、规模及分布统计、质量报告和版本变更记录。文件采用一致的目录和命名规则，数据包清单列明文件路径、格式、大小、校验值及关联用途。数据包能够在脱离生产任务界面的条件下进行完整性检查和规模复算。
数据集卡片记录业务域、版本号、建设目的、适用任务、数据模态、来源构成、形成时间、覆盖范围和更新方式。加工方法、标注规范、合成增强情况、训练测试隔离方式及质量结果按实际版本填写。存在限制的使用条件明确到对象、工况、权限或证据范围，使使用方能够判断数据是否适合具体任务。
同一版本的文字说明、统计报表和实际数据文件同时冻结。数据卡片中引用的质量报告、训练实验及知识版本必须能够查得相应记录，外部展示字段经过安全检查。对外发布所需信息与内部原始证据分级提供，内部包含敏感细节的来源记录通过受控方式保存，公开目录不暴露不应公开的信息。
### 9.2 运营平台登记与接收
数据集运营服务管理平台接收版本包后校验文件完整性、结构、权限和元数据字段，确认数据目录、版本、数据集卡片和交付清单一致。平台生成或映射相应登记标识，将加工侧版本标识与运营侧目录标识建立关系。接收结果明确成功、失败及部分接收对象，失败原因回传至加工任务，不以文件上传完成代替接收确认。
平台建设落实数据集目录、元数据、上传、下载、权限管理、动态更新、检索与预览、版本管理、数据集服务、对外接口、登记注册、数据集确权、挂牌展示、交易合同管理、交易费用管理和全流程审计管理十六项功能。加工交付为各项功能提供一致的数据基础，服务使用和运营反馈又形成后续更新需求。
目录可见、内容可读、文件可下载和服务可调用分别授权，版本发布状态与实际访问控制同步。预览内容执行脱敏及最小披露，下载和接口交付均校验用户、用途、范围、期限及许可。版本下架或授权撤销后，相关目录和服务状态同步变更，保存原因、影响范围及执行记录。
图 9-1 数据成果运营交接
### 9.3 持续汇聚与专业服务
我方围绕数据持续汇聚、运营体系、运营架构、盈利模式、运营组织、公共服务内容体系及国家数据基础设施接入七个方面落实运营服务能力与机制。以链主企业牵头、产学研用协同和市场化运作为运营方针，吸引不少于5家数据企业、高校、科研院所参与数据集建设，将资源供给、加工、专业审查和场景反馈落实到实际任务。
持续汇聚采用主体登记、数据许可、增量接入、质量反馈及贡献评价相结合的方式。对不同主体明确供给对象、更新周期、数据质量、问题处置及成果使用规则，来源变化时及时调整接入和权限。参与机构以实际建设任务及成果核验，专家所属机构信息不能替代机构参与建设的证明。
专业服务按数据采集、标注、训练、智能体开发及数据集评测等能力组织，服务需求明确范围、质量、责任、交付方式和费用。公共服务与增值、定制服务分别管理，公共服务覆盖基础数据资源、技术工具能力、行业知识智力及价值转化支持。服务目录、计量依据与实际履约记录一致，服务反馈关联到数据版本和后续处理任务。
运营组织明确重大事项决策、专业把关及日常执行的职责和议事程序，运营推广服务范围不包含运营团队建设、运营服务硬件基础设施及其他服务配套能力建设。数据标注专家库按独立建设要求落实，专家能力用于专业审核、标准编制、质量管控和场景验证，专家任务记录与数据生产结果关联。
### 9.4 国家数据基础设施接入
我方制定并实施接入国家数据基础设施的技术方案，覆盖平台生成数据集和矿山装备制造行业用户自有数据集两类对象。优先采用成熟技术与产品，完成必要开发、适配、联调及实际接入，落实统一目录标识、统一身份登记和统一接口要求，支撑可信流通及资产化运营。
接入准备核查数据集目录、身份、权利、许可、版本、质量及服务方式，形成字段映射和对象标识关系。用户自有数据集单独核查来源和授权，不因其与平台建立连接而自动获得处理及对外服务权限。涉及数据转换或代理交付的场景，保留转换规则、责任主体和交付范围。
联调覆盖目录同步、身份认证、授权校验、数据交付、完整性验证、计量、回执和审计，异常测试覆盖接口中断、重复请求、版本变化、授权到期及撤销。接入成果以端到端实际执行及可核验回执为依据，配置完成后继续验证业务链条是否正常。资产化运营所需权利、质量、使用及价值分析材料随版本管理，不虚构登记结果或交易成果。
### 9.5 服务反馈与版本维护
运营反馈按内容错误、知识失效、权限、交付格式、性能及新增需求分类，关联用户请求、数据版本、对象范围和证据。能够直接重现的问题进入修复任务，需要补充信息的事项明确核查条件。重复反馈可以归并原因，但各次服务记录与受影响用户保持可追溯。
新版本发布前评估与旧版本的兼容性，核验字段变化、样本增删、规则调整及质量结果。使用方需要迁移时提供变更清单和必要的数据映射，受限或失效版本执行暂停、撤回及替换安排。对服务连续性要求较高的接口，先验证新版本访问和回退方案，再按批准的窗口切换。
维护记录覆盖来源更新、专家意见、标准变化、质量问题和使用反馈，形成持续改进计划。已验证的加工配置、本体规则和专业样例进入能力复用目录，注明适用条件与版本。不同业务域复用时检查对象、工况和权限差异，经必要验证后采用，不能仅因工具相同而直接复制专业判断规则。
## 10 实施计划与交付管理
### 10.1 启动与生产基线
项目启动后我方建立数据加工生产计划，纳入项目总体进度和资源安排，确保2028年5月前完成终验收。生产计划按业务域、用途子集和批次分解目标，列明来源准备、加工、标注、质检、训练验证、正式评测及运营交付的依赖。每个阶段设置明确产出和退出条件，资源变化或任务延迟及时开展影响分析。
基线工作包括资源目录、授权范围、数据标准、对象映射、时间规则、质量要求和规模计量方法。代表性资料由来源、加工、质量及业务岗位共同检查，确认采集到验证的实际链路。来源开放与业务确认按计划协调，暂不具备条件的资源记录风险及替代安排，不以未经授权的资料补足生产数量。
我方建立统一的工作任务、质量问题和变更登记，按任务记录责任、输入、输出和完成条件。项目管理制度覆盖计划、质量、配置变更、风险、沟通、文档、安全及交付等适用内容，按招标要求形成不少于7份内部管理制度。制度执行记录从实际任务取得，与生产台账和版本档案关联。
### 10.2 样板链路验证
样板阶段在四个业务域分别选择具有代表性的对象，验证来源接入、字段解释、预处理、本体引用、标注、质检、训练及场景验证。样板覆盖文本、图像、时序和视频，包含正常样本及缺页、缺测、版本变化、对象错配等典型异常。执行结果用于确认任务模板、处理规则及交接条件。
样板验收检查业务可解释性和任务可复现性。来源与输出能够双向定位，专业标签具有依据，处理配置能够再次执行，质量问题能够返回具体任务修复，版本包能够被运营平台正常接收。发现环节之间字段不一致、状态含义不同或权限无法衔接时，先完成规则和接口修订，再扩展批量任务。
样板形成加工工艺包，包含输入条件、步骤、工具配置、本体与规则版本、质检点、异常处理和交付格式。工艺包适用范围明确到业务对象、数据类型及来源条件。后续批次出现新格式、新设备或新业务含义时，开展差异评估和局部验证，确认后更新工艺包。
### 10.3 批量生产与进度统计
批量生产根据来源更新、标注能力和训练验证资源滚动安排，上游受理与预处理保持连续，下游按照受控版本组织质量检查和验证。每个批次设置预计输入、目标合格输出及必要工时，执行中统计实际产出、异常、返工和等待时间。进度以达到相应检查状态的实际成果为依据，不以任务创建数量或上传字节数代替完成量。
四个业务域分别维护规模、模态、时效性、质量及验证状态。汇总进度可以反映总体情况，分域缺口继续单独跟踪。出现一个业务域先完成而其他域明显不足时，调整来源、专业复核和计算资源，保持资源调配与专业能力要求相匹配，避免将人员或工具数量直接视为有效产能。
返工任务保留原批次关系，分别统计新增合格产出与历史缺陷修复。重复执行同一批次不重复累计完成量；已经发布的数据因撤回或许可失效不能继续作为当前有效交付量。规模台账与质量及版本状态联动，阶段评审时核对实际有效数据与进度统计。
### 10.4 风险处置与变更控制
来源不足时先分析缺口所对应的业务对象、时间和用途，优先从合法真实资源补充；关键字段缺失时安排源端核查或补采；专业审核积压时按风险分层组织专家资源；模型效果不足时区分数据、训练和评价原因。每项风险记录触发条件、影响范围、处置措施及责任，形成可执行的跟踪任务。
| 风险事项 | 判断依据 | 处置动作 | 复核结果 |
|---|---|---|---|
| 来源或许可不足 | 合法可用资源少于计划，或用途未获授权 | 补充合法来源，调整批次及许可范围 | 来源证据和交付用途一致 |
| 跨系统对象错配 | 主键冲突、设备工件无法关联、版本不一致 | 核查主数据与业务记录，修订映射 | 代表样本及受影响批次关系正确 |
| 时间或模态失配 | 时钟偏差、缺测、图文与事件不对应 | 校准时间、补采或限定用途 | 关联条件可核验，质量状态明确 |
| 标注分歧集中 | 同类标签反复争议或复核不通过 | 专家裁决，修订规范并回查历史样本 | 分歧原因解决，标签一致性达到要求 |
| 数据分布不足 | 关键设备、工况或任务覆盖薄弱 | 定向补充真实数据并核验分布 | 缺口得到补充，测试保持独立 |
| 训练验证退化 | 目标任务未改善或其他能力下降 | 开展消融、配比及原因检查，修复后重评 | 同一协议下结果可比较 |
| 发布版本不一致 | 数据包、目录、报告或卡片版本不同 | 暂停发布，对照清单重封装和复核 | 文件、统计、报告及平台状态一致 |
| 服务或授权异常 | 交付中断、越权、重复计量或撤权失效 | 暂停相关服务，修复并回归测试 | 正常与异常路径均完成核验 |
变更申请明确对象、原因、影响、验证方法及实施窗口。数据标准、本体、工具、训练配置、规模口径或安全策略变更均进行影响评估，审批后执行。变更不能降低招标文件要求；涉及合同范围和验收条件的事项按项目规定处理。紧急安全处置可以先控制风险，同时补充记录和后续审核，恢复前完成必要复核。
### 10.5 软建设与成果同步形成
政策梳理、规划、机制和标准建设与实际生产任务结合，相关制度中的审批、派单、校验和发布规则通过平台配置及操作记录验证。政策体系梳理完成25个相关文件的收集和适用性分析，落实中长期发展规划、四项专项实施方案、制度体系、政策落地动态调整机制及年度政策符合性评估报告。
体制机制建设落实五级组织责任、跨主体协同汇聚、全周期管理、绩效考核与激励和能力复用五项机制。标准建设牵头制定2项关键行业标准，构建包含18项细分标准的五位一体标准体系，制定6项项目实施技术规范，并结合生产实践参与国家和行业标准验证及试点应用工作。数据加工产生的典型问题、处理规则和验证结果形成标准验证记录。
专家库覆盖标准编制、数据生产、质量管控、行业应用、项目管理和安全合规六大领域，入库、派单、履职、考核及动态调整采用统一记录。专家对关键标签、规则和验证结论进行专业把关，意见落实到相应对象和任务。数据生产经验整理为经过审核的案例、规范及培训内容，支持能力复用和人员交接。
### 10.6 成果验收与运行移交
验收按业务域和用途子集核对规模、模态、时效性及质量要求，同时检查数据文件、数据卡片、处理记录、训练验证、正式评测和运营登记。工具链逐项核查功能及实际运行，知识本体和知识库核验出处、版本及适用范围。系统集成、安全测评、软建设、知识产权和项目管理成果按各自要求提交完整证据。
数据交付记录明确交付版本、文件清单、接收环境、验证方法和接收结果。交付双方依据清单完成数据读取、校验、统计复算及代表业务任务验证，对未通过事项形成整改任务，复核通过后关闭。正式验收材料与当前交付版本一致，历史版本及变更记录按管理要求留存。
运行移交覆盖平台账号权限、配置、本体规则、来源更新、任务调度、质量监控、异常恢复及版本发布。培训按采集加工、标注复核、质量管理、专业专家和运营服务等岗位安排，使用授权样本演示实际任务和异常处理。接收人员完成代表性操作并记录结果，发现操作或资料缺口及时补充。
质保及后续服务依项目约定执行，持续跟踪数据更新、标准变化、接口适配和质量反馈。系统恢复后检查任务状态、输入输出、文件完整性及业务可用性，数据修订后完成质量和相关场景回归。维护成果同步更新操作资料与版本档案，使后续人员能够沿用已有规则完成数据生产与运营服务。