来历
杭州诚华数据标注有限公司成立之初接触到的第一个项目,是一批规则反复变更的目标检测数据:客户的算法迭代很快,标注规范几乎每周都在调整,多数团队按最初的规范埋头做完,结果一大半数据要推倒重来。这件事让我们想清楚了一个问题——数据标注的核心难点不在手速,而在需求的准确传递。从那时起,我们把公司的工作重心放在规范制定、试标对齐和质检留痕上,手速只是这条生产线里最容易被管理的环节。公司在杭州本地组建团队,服务范围覆盖 2D 图像、3D 点云、语音与文本四类模态,近年随着大模型的发展,SFT 数据构建与 RLHF 偏好标注也成了日常业务的一部分。
做事方法
我们的每一个项目都从一份书面标注规范开始,而不是从一句口头需求开始。项目经理负责把客户的需求翻译成标注员可以逐条执行的规则:类别怎么定义、遮挡到什么程度算不可标注、属性字段的枚举值有哪些,全部写成可对照检查的条款。规范定稿后先试标,样本量通常在 50–200 之间,客户抽验合格后才能进入量产。量产过程中如果规则需要调整,走的是变更流程——先改文档、再同步全员、已完成的批次评估是否需要返工,避免“口头通知改规则”导致的数据口径混乱。这套流程看起来比直接开工慢,但从整批数据看,它省下的返工时间通常是数倍于前期投入的。
团队分工
公司内部按职能分为三个组。项目组由项目经理和标注员构成,一个项目组在项目周期内只服务一个客户,人员不跨项目流动,保证规范记忆不被稀释;质检组独立于项目组,不背产能指标,只对质量负责,抽检记录逐条留存;工具组维护标注平台与格式转换脚本,客户要求对接自有平台或特殊回传格式时,由工具组出方案。三个组的界面很清楚:项目组对进度和合格率负责,质检组对放行标准负责,工具组对环境和格式负责。出现问题能很快定位到是规则歧义、个人误差还是工具缺陷,对应不同的修正路径,而不是笼统地“再培训一遍”。
质量与交付
质量上我们执行两级验收:项目组内互检做全量核对,质检组按比例抽检并出具批次质检记录,抽检不合格的批次整批返工,返工原因归类统计并反馈到规范或培训环节。交付上按批次推进,客户不必等全部数据完成才开始验收——第一批通常在开工后数个工作日内回传,客户可以先用小批数据验证训练效果,再决定后续批次节奏。每批交付附三样东西:按约定格式的标注数据、标注规范文档、质检记录。客户发现可疑样本,可以按样本 ID 回查到标注员与质检环节,做到问题可定位、责任可追溯。数据安全方面,标注作业在内网环境进行,项目结束后按约定删除或归还数据。如果你对流程细节还有疑问,欢迎通过邮箱 hello@cwasckq.cn 与我们沟通。