# 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](../examples/DATA-LICENSE.md)。”

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  
