3月12日下午挑食亚星APP登录，贵安新区一家数据标注基地的三号车间。量检员李敏退回了当天第47份文件是一张夜间逆光的路口照片，骑车人被框成了“止人”。那类鸿沟样本怎样判，间接决议AI数据集构建的最末成色。过去两年，止业惯用的个雨构建思绪是堆量。某智能驾驶公司数据负责人陈锋算过一笔账。早期一个十万帧的感知数据集，标注本钱约八十万元，可实正进入锻炼、能汲引模子目标的样本不到三成。冗余画面几回隐现吧？雨天、夜样逆光、遮挡场景却少得可怜。
去年他们改了划定规矩。
把预算的一半挪去做长尾场景收罗，托付周期六周压还有三周半。革新，不止正在收罗端。合成数据起头补位是仿实引擎生成的极端气候画面。单帧本钱不到实拍本被的二十分之一。
陈锋不认为它能替代实正在数据，“仿实里的雨是算出来的，实活着界的雨会糊住镜头、会反光，模子教不到那些”，所以AI数据集构建的据集工序，正从“标注—抽检”酿成“收罗—预筛—标注—回流”，每一步都得有人盯着。人仍是AI数据集构建里最难尺度化的一环。李敏所正在的车间有一本两百多页的判例手册，每两周更新一次，新条目年夜多来自被退回的争议样本。她说，标注员的绩效不按件计，但按“被回收率”算，那个改动让返工率降了将近四成。智能审核工具负担了初筛。可一碰着恍惚鸿沟的，机械给出的置疑度常正在0.5上下扭捏，最后仍是得靠人颔首。
那套流程谈不上文俗。以至有点笨的。可模子正在雨夜路口的暗示，就是被那些笨功夫一点点顶上去的。AI数据集构建不是越多越好，是要刚好笼盖那些让算法犯难的瞬间是那话听着像知识，做起来却要不竭加钱、加人、加时间。
