打开章节导航攻略章节00|先把目标缩到一个能验证的岗位01|按实际工作区分 AI 岗位02|从自己的基础,走到一条可申请路线03|把已有经历变成可信证据04|做一个可验证的技术项目05|把项目变成 GitHub、简历与面试证据06|技术面试:按岗位练,不背一份万能题库07|地区、毕业时间与雇主资格分别核查08|定向申请:用同一套证据回答这条 JD09|用投递和面试记录,定位下一步技术案例:从“跑得动”到“证据可信”技术项目01|把一个小模型做成可信的实验02|把模型交给一个真实 HTTP 接口03|有引用,不代表回答正确三个能运行、能解释、能查错的技术样例教学输入的数据许可与来源模板01|岗位研究与申请前核验02|能力差距表03|学习行动与每周交付04|技术项目 README 模板05|实验与评测记录06|失败样本与根因验证07|中文与英文简历:三条路线的教学样例08|技术面试自查与模拟题09|行为面试:STAR与结果边界10|投递台账与招聘窗口11|面试复盘与问题定位12|个人贡献、上游来源与AI辅助声明13|资格、时间与地点确认:英文询问信14|数据卡与模型/系统卡可编辑模板包原始研究与来源覆盖缺口与更新队列真实雇主 JD 研究表JD 来源核验记录地区资格与招聘时间:分开核查新旧仓库内容边界与只读审查技术方法来源
可编辑模板 · 资料核验 2026-11-13
本页目录 · 7 节

14|数据卡与模型/系统卡

版本:2026-11-13。用途:说明输入从哪里来、可以怎样用,以及模型结果适用于什么边界。

填写说明

数据、模型权重、代码、文档和图片分别核查来源与许可。公开可访问不等于允许训练、再分发或商用。没有获得公开许可的实习/客户数据不要放进个人GitHub;用合成或可授权数据重新做展示。

没有训练模型也能写系统卡:记录检索方法、阈值、外部服务、提示版本和失败边界。不要为了显得高级,把规则、词法检索或API集成写成自研大模型。

空白可复制结构

A. 数据卡

数据名/版本:【填写】。负责人:【填写】。创建/获取日期:【填写】。类型:【真实/合成/混合】。

项目说明
来源URL与许可【原始链接、许可版本、允许/禁止的用途】
采集或合成方式【方法、工具、人工参与】
记录单位与字段【一行代表什么,字段类型】
数量、分布、语言【总数、标签、关键切片】
标注规则与质量检查【谁标、冲突如何处理、抽检】
去重与缺失处理【具体规则及丢弃数量】
train/dev/test划分【规模、分组键、时间范围、泄漏检查】
个人/敏感信息【是否含有、公开许可、去标识边界】
可再分发的部分【原始数据/派生特征/仅脚本等】
文件哈希【SHA-256及路径】
已知偏差与不适用情境【哪些人群/语言/任务没有覆盖】

B. 模型或系统卡

名称/版本:【填写】。系统性质:【训练模型/开源模型扩展/检索/规则/API应用】。目标任务:【填写】。

项目说明
输入和输出契约【格式、长度、错误情况】
方法与上游依赖【算法、模型、库、版本和许可】
训练/配置来源【数据、参数、提示、阈值】
参数选择规则【在哪个dev集上,按什么指标】
验收数据与指标【样本数、分母、结果链接】
概率/分数解释【是否校准,不能代表什么】
资源与测量条件【硬件、内存、网络、时延范围】
失败与拒答【触发条件、回退、失败报告】
适合/不适合用途【具体边界】
生产化尚缺什么【鉴权、容量、监控等实际缺项】
人工与AI贡献【声明链接】

C. 发布前判断

是否能公开数据:【是/部分/否;依据】。是否能再分发权重:【是/否/不适用;依据】。是否含私人信息:【填写】。未核实的许可:【填写】。允许发布的最小包:【代码/合成数据/报告/脚本】。

教学模拟示范

本仓库分类样例的数据卡可以写:“51条人工编排的合成英文工单,标签为账号、账单、技术问题;30/9/12固定划分。它不是从真实用户随机抽样,不能估计真实业务表现。数据许可见DATA-LICENSE。”

相应系统卡写:“多项式朴素贝叶斯;词表只由train构建;报告中的概率未校准;纯词表外输入缺乏可靠判断依据。”检索样例则应标为BM25与摘录式回答,不标成LLM生成系统。

验收标准

  • 一个外部读者能判断数据、代码和模型是否允许按预期用途使用。
  • 每种输入和关键切片的覆盖范围写明,合成数据不伪装成客户数据。
  • 报告数字可回到评测记录,分数含义不被夸大。
  • 发布包不依赖未获得公开许可的材料,未知许可不写成默认允许。

作者:AI酋长Andy|星觉科技 · 北京 · 微信号:AIPMAndy

原始文档:templates/14-data-model-card.md