能力
数据标注 · 训练样本构建 · 数据清洗 · 质检抽检 · 评测集设计 · 结果复盘
数据质量
一致性
可复现
关于我
用「清晰口径、稳定产出、可量化指标」推进 AI 训练工作：从规范到数据，再到评测与质检闭环。
工作方式
先对齐口径与验收标准，再做数据生产与抽检；用评测集与缺陷清单推动持续改进。
SOP
抽检
复盘
合作偏好
适合：数据标注/清洗/去噪、指令数据构建、评测集搭建与质检流程落地。
文本
多轮对话
分类/抽取
经历时间线
按阶段展示你在数据、训练与评测上的关键工作。
AI 训练师 · 项目经历（可替换）
2024 — 至今
负责标注口径对齐、数据生产与抽检；基于评测集持续修正缺陷类型与质量门槛。
数据标注 / 质检 · 项目经历（可替换）
2021 — 2024
建立抽检策略与质检表单，沉淀常见错误类型库，提升一致性与返工效率。
自由职业 / 外包合作
2019 — 2021
支持多类数据任务协作交付（可替换为你的真实经历），沉淀可复用的标注规范与检查清单。
写作
记录我在数据质量、标注规范与评测方法上的笔记。
标注规范怎么写：减少分歧、提升一致性
从标签定义、边界样例到反例清单，让标注更可执行、可抽检、可复盘。
评测集搭建：把“好不好”变得可量化
用覆盖率、难例与缺陷类型，让模型迭代有明确方向与回归检查。
质量抽检清单：常见错误与快速定位
用错误类型库与抽检流程，把返工成本压下去，把一致性拉上来。