前期试标
集中整理容易混淆的意图、边界样本和高频错误，与算法团队每日对齐判定标准，持续更新标注规范和示例。
04VISUAL QUESTION ANSWERING
VQA 意图分流
为 RAG 系统构建百万级精排训练数据，覆盖 12 类用户意图，帮助模型从召回结果中筛选出与用户问题和图片信息最相关的内容。
ANNOTATION FRAMEWORK
VQA 意图分流标注体系
为 RAG 系统构建高质量的精排训练数据，帮助模型从召回结果中筛选出与用户问题和图片信息最相关的内容，覆盖 12 类用户意图，数据规模达百万级。
QUALITY WORKFLOW
从试标到验收的闭环流程
任务拆分
按数据规模和难度将任务拆分成多个批次，采用试标—校准—批量标注—抽检—问题回流的方式推进，避免错误口径在大批量数据中扩散。
供应商培训
对接并培训 3 家外部供应商，通过规则讲解、正反例演示和现场答疑帮助标注人员理解 12 类意图。
分阶段质检
建立分阶段质量检查机制，对高风险意图和易混淆样本提高抽检比例，及时将规则争议反馈给算法团队确认。
问题回流
针对抽检发现的问题整理 Bad Case，分析错误原因，组织复盘和二次培训，形成闭环优化。
PROJECT RESULTS
项目成果
数据交付规模
覆盖 12 类用户意图的精排训练数据
标注准确率
按期完成全量交付，达到项目要求
效率提升
优化任务拆分、培训与质量控制流程
外部供应商
全程对接培训与质量管理