语料标注规则：其他五份材料的依据都在这里

本文讨论《生成式人工智能服务备案》材料中「语料标注规则」附件与其他材料之间的引用关系，视角为交叉核验与一致性问题。文首声明：本文不含产品推广，不构成法律意见；具体的材料清单与要求以属地网信部门口径为准。

0 先说结论

这份材料已经被讨论过几个层面：它是什么（材料定位）、原料从哪来（上游状态）、句子怎么写（文本结构）、发布后怎么维持（生命周期）。这四个层面都成立，但它们都把它当作一份独立的文件在讨论。

实践中的问题往往不在它自己身上。

结论：语料标注规则是六份核心材料里的"依据文件"。其他五份里凡是涉及语料与标注的表述，成立与否取决于它里面有没有对应的内容。

由此引出四个判断：

判断一：它单独写得再好，也可能因为其他材料引用不到它而失效。 反之，它写得粗糙，会连带拖累至少三份材料。

判断二：四类连带失效最常见，且都表现得很像"合规"——评估报告写了措施、词库写了覆盖、题集写了题型、协议写了承诺，每份都合格，但两两对照就对不上。

判断三：正确的编制顺序是反的。 不是先写完规则再让其他材料引用，而是先看其他五份已经承诺了什么，规则必须能兜住这些承诺。前者容易漏，后者天然覆盖。

判断四：一致性核验只有四个部位值得逐个对齐——时间、数量、口径、角色。 其余细节可以容忍差异，这四个对不上就是硬伤。

后面按这个顺序展开。

1 六份材料之间的引用关系

先把关系画清楚。六份核心材料里，只有一份是描述过程的，其余五份描述结果或状态。这个不对称决定了引用方向。

四份单向引用、一份双向。这个结构说明一件事：规则的失误会被放大五次，而其他材料的失误通常只影响自己。

1.1 为什么安全评估报告最依赖它

在安全评估报告里，关于语料的部分通常写三段：来源是否合法、是否做了内容过滤、标注是否规范。

这三段都是结论。审核方追问的不会是结论，而是"依据在哪里"。

• 来源合法性 → 依据是规则里的来源类型与授权链描述，以及在评估时点是否仍然成立。
• 内容过滤 → 依据是规则里的过滤环节、过滤标准、过滤记录形态。
• 标注规范 → 依据是规则本身，加上人员与质检机制。

所以一个典型的返工场景是：评估报告被要求补充"语料来源合法性的具体说明"，团队回去补报告，但没有回到规则里补来源分类和授权证据形态——下次追问还是同一个问题。

这类反复的根因不是报告写得不够细，是依据那一层是空的，补在结论层没有用。

1.2 为什么这类错位难以自查

原因不在能力，在分工。六份材料通常由不同的人、在不同的时间、为不同的读者写。

六个起草方、六套更新触发。没有任何一个人同时看这六份，所以也没有任何一个人能发现它们之间对不上。

这就是为什么"每份都合规、合起来不对"会是一种稳定状态——它不是谁的疏忽，是结构决定的。

修法不复杂，但需要一个动作被明确指派：在提交前安排一次交叉比对，责任人固定为一个人，而不是让六个人各自检查自己那份。 各自检查的结果一定是六份都合格，因为单份检查发现不了跨材料的错位。

2 四类连带失效

以下四种是实践中出现频率最高的。它们的共同点是：单看每份材料都合格，两两对照才暴露。

2.1 报告写了措施，规则里找不到环节

安全评估报告写"已建立语料内容过滤机制"。这句话本身没有错，但它需要一个可核验的位置：过滤发生在哪个环节、由谁执行、判定标准是什么、记录保存在哪里。

如果规则里只写了标注阶段的判定，完全没有"入库过滤"这个环节，那句话就退化成自述。

判据：在规则里搜索"过滤"这个词。搜不到，报告里那句"已建立过滤机制"就没有落地位置。

2.2 词库写了覆盖，规则里没有对应分类

拦截关键词列表通常会声明覆盖的风险类别，比如若干类违法不良信息。

而语料标注规则里也会有自己的风险分类。这两套分类如果类别数和划分口径不一致，会出现一个具体的后果：被词库声明覆盖的某一类，在规则里没有对应的判定标准，于是标注阶段实际上没有人在管这一类。

这类不一致在提交时几乎看不出来，因为它需要把两份材料的分类表并排看。

2.3 题集测的不是规则管的东西

评估测试题集的作用是验证服务在压力下的表现。它的题型设计通常从风险分类出发。

问题在于：如果规则里的判定类别与题集的风险类别不是同一套，题集测出来的结论就无法反推规则是否被执行。

举个具体的错位：规则按"内容性质"分类（违法、不良、敏感），题集按"交互场景"分类（诱导、越狱、多轮绕过）。两套都对，但它们之间没有映射关系，于是"测试全部通过"不能说明"规则被遵守"。

2.4 协议承诺了，规则里没有周期与责任人

模型服务协议是面向用户的，里面常有类似"定期审核语料""及时处理违规内容"的表述。

"定期"和"及时"在协议里可以接受，因为面向用户不需要精确。但同一个承诺落到规则里，必须变成周期和角色——多久一次、谁做、记录在哪。

如果规则里没有，这个承诺就是无落地承诺。 它在协议层面成立，在核验层面不成立。

2.5 四种失效的共同形态

3 编制的正确顺序是反的

多数团队的顺序是：先写规则 → 再写评估报告 → 再整理词库和题集 → 最后定协议。

这个顺序的问题是：规则是在真空中写的。

写规则的人当时手上只有法规和标准，没有"我们已经在别处承诺了什么"这个约束。于是规则写得自洽，但与已有的对外表述错位。

反过来做会更省事，只需要四步：

第一步，把其他五份材料里涉及语料的句子全部摘出来。 通常是十几到几十句，工作量在半天以内。摘的时候不改写，原样抄。

第二步，逐句问：这句要成立，需要规则里有哪条内容。 答案写在这句旁边。这一步会暴露一批"承诺了但没有依据"的句子。

第三步，把这些需求合并成规则的章节。 会出现重复——比如报告的"过滤机制"和词库的"更新机制"其实都指向规则的同一个环节。合并时注意不要因为来源不同就拆成两节。

第四步，规则写完之后，回头逐句确认。 每句都能指到具体条款，才算闭环。指不到的，要么改规则，要么改那句表述。

这个顺序的额外收益是：规则的章节结构天然对齐了其他材料的核验点，后面被追问时，回答路径是现成的。

3.1 一个常见的反向错误

也有团队走向另一个极端：为了让所有材料都能引用，把规则写成一份大而全的文件，什么都写一点。

结果是规则变得极长，而每一部分都不够细到可判。这时候其他材料虽然"引用得到"，但引用到的是一句原则，等于没引用。

判断标准是引用之后能不能落地： 报告写"依据规则第 X 节"，翻过去如果看到的是"应对语料进行审核"，这个引用是无效的；看到的是"入库前按某标准抽样，超阈值不采集，记录形态为某某"，这个引用才成立。

4 一致性核验的四个部位

跨材料比对不需要逐字对，只需要对齐四个部位。这四个对不上就是硬伤，其余可以容忍差异。

4.1 时间

时间错位最隐蔽，因为它不影响任何单份材料的自洽。有时序意识的团队会在报告里写"截至评估基准日"，这半句能省掉大量解释。

4.2 数量

需要对齐的数字不多，但每一个都会被核对：

• 语料来源的类别数（报告说三类，规则写了四类）
• 各类占比的门槛（同一条标准在不同材料里写成不同数字）
• 标注与审核人员数量（规则写五人，实际组织架构里只有三人）
• 抽检比例与批次规模

数量不一致的解释成本很高，因为审核方无法判断哪个是对的。

4.3 口径

同一个词在不同材料里指不同的事，是最难发现的一类。

常见的高风险词：样本、批次、审核、抽检、违规、敏感。

举例："批次"在规则里可能指"一次标注任务覆盖的数据集合"，在评估报告里可能指"一次交付的数据量"，在词库维护里可能指"一次词库更新周期"。

三个含义都合理，但同时存在时，"本批次合格率"这个指标就没有确定含义。

处理方式不是统一成一个意思，而是在规则里设一节术语定义，明确本文档内的含义，并在其他材料首次使用该词时注明"详见语料标注规则的术语定义"。

4.4 角色

规则里写"由专人审核"，报告里写"设置独立审核岗"，而实际组织架构里这两件事都由同一个人兼。

这一项的问题不在文字，在事实。规则描述的角色与实际分工不一致时，任何一次现场核对都会暴露。

一个可行的自检：把规则里出现的所有角色名抄成一列，逐个问"这个角色现在由谁担任，姓名是什么"。 答不出来的那一行，就是纸面角色。

4.5 冲突时改哪一份

对齐过程中一定会遇到两处不一致，而两份材料都不算写错。这时需要一条判断原则，否则会陷入反复改、改到两边都模糊。

原则只有一句：往"更难被推翻"的那一侧改。

展开成四种情形：

四种情形背后是同一条逻辑：可核验的压过不可核验的，事实压过表述，精确压过模糊。 唯一例外是对外文件的面客措辞——那里不必精确，但必须在内部找出精确对应，否则承诺无落地。

还有一个实践提醒：改哪一份的决定，最好一次做完并记录。分次改最容易出现"改了一半"的状态——规则改了，报告还是旧的；或者报告改了，词库没跟。

这类半完成状态比原来的不一致更难处理，因为它连"哪一版是基准"都说不清了。

5 一张交叉核验表

下表把六份材料两两之间的关键交叉点列出，可直接用于提交前的自查。

这张表的价值在于：它把"材料是否齐全"这个问题，换成了"材料之间是否对得上"。前者是清单思维，后者才是核验思维。

5.1 一个反例推演

假设一家公司认真准备了三轮，每轮都被人指出问题，但指出的位置每次不同。把三轮的追问排在一起，就能看出它们其实是同一条线。

三轮的处理都是"就地问、就地答"，每轮都通过了。但真正的根因在第一次就没有被处理：来源分类这一层从来没有被统一过，于是它在报告、规则、词库三处各长成一套。

如果在第一轮就回到规则里把来源分类写清，并把报告和词库都对齐到这一套，三轮可以压成一轮。

这个推演的用处不是事后复盘，是提醒一个动作：当某份材料被追问时，先问一句"这个问题的依据在哪份材料里"，而不是直接在被追问的那份上改。 直接改通常能过，但会把不一致留给下一轮。

5.2 交叉核验怎么做成例行动作

不必每次都从头做。压缩成三个动作，每季度或每次提交前跑一次：

第一，摘句。 用检索的方式把其他五份材料里涉及语料的句子找出来，通常十几到几十句。关键词不必多，四个够用：语料、数据、标注、审核。

第二，比对。 逐句问"要成立需要规则里有什么"，答案写在旁边。这里会出现两类问题：一类是规则里没有，一类是规则里有但说的不是一回事。

第三，留档。 把这次的比对结果存一份，标注日期与对应的规则版本。下一次比对时先看上一份，只处理变化的部分，工作量会降到第一次的三分之一。

三个动作加起来，第一次约半天，之后每次一到两小时。这个投入相对于一次返工，成本比大约是 1:10。

6 提交前核验清单

26 项，四组。逐项打勾之前不建议提交。

A 引用闭环（7）

• [ ] 其他五份材料中涉及语料的表述已全部摘出，形成清单
• [ ] 每一句都能指向规则中的具体条款
• [ ] 指向的条款是判定句或检测句，不是原则表述
• [ ] 无法指向的句子，已修改表述或补齐规则
• [ ] 规则的章节结构与其他材料的核验点对应
• [ ] 规则未因覆盖面要求而变得过长，各部分仍可判
• [ ] 已确认不存在"多处引用同一节但各说各话"的情况

B 时间与时序（6）

• [ ] 规则版本日期不早于评估报告的评估基准日
• [ ] 规则生效日不晚于服务上线日
• [ ] 规则更新后，评估报告中受影响的段落已同步
• [ ] 词库版本与规则版本的时间关系明确
• [ ] 存在版本交替期时，已注明各批次适用哪一版
• [ ] 报告中已写明"截至某基准日"这类时序限定

C 数量与口径（7）

• [ ] 语料来源类别数在各材料中一致
• [ ] 各类占比门槛的数字一致
• [ ] 标注与审核人员数量与实际组织架构一致
• [ ] 抽检比例与批次规模的定义一致
• [ ] 规则中设有术语定义节，覆盖样本／批次／审核／抽检等词
• [ ] 其他材料首次使用上述术语时，注明以规则定义为准
• [ ] 同一指标在各材料中的计算口径一致

D 承诺与角色（6）

• [ ] 服务协议中"定期""及时"类表述，在规则中已量化为周期
• [ ] 规则中的每个角色，都能对应到具体担任人
• [ ] 不存在同一人同时担任执行与审核、且未被说明的情况
• [ ] 外包场景下，规则制定方与执行方的职责边界已写明
• [ ] 人员离岗时的权限回收，有对应条款与记录形态
• [ ] 对外承诺涉及的措施，均可在规则中找到执行位置

7 六种常见的不一致

六种里，"引用到原则"最不容易被自己发现。因为引用关系是存在的，编号也对，只有在真正去翻那一节、发现里面是原则表述时，才会意识到这个引用没有实质作用。

一个有效的做法：把所有引用关系做成两列——"引用出处"和"被引条款的原文第一句"。两列并排看，凡是第二列读起来像口号而不是判据的，都要处理。

8 FAQ

问：六份材料必须同一时间定稿吗？ 答：不必，但必须有明确的时间关系与基准日。做法是每份材料都标注"本版对应的规则版本"和"信息截止日"，更新时只改受影响的部分，并记录变更原因。强行要求同时定稿，通常导致所有材料都不敢改。

问：规则里要不要直接抄其他材料的表述？ 答：不要。抄过来会产生两个维护点，之后一改就不同步。正确做法是规则写判据，其他材料写结论并引用规则，形成单向依赖。

问：词库的分类和规则的分类必须完全一致吗？ 答：数量与划分层级必须一致，表述可以不同。比如规则的"违法信息"下有若干子类，词库可以按投放场景再细分，但顶层类别必须能一一对应，否则覆盖声明无法核验。

问：题集与规则没有映射关系，一定要补吗？ 答：建议补一张映射表，不需要改写任何一份材料。表的形式是"题集的风险类别 → 规则中对应的判定条款"。这张表能回答一个关键问题：测试通过说明规则被执行到了什么程度。

问：小团队只有两三个人，角色对不上怎么办？ 答：不必虚构岗位。规则里可以写"由某角色承担，本团队由某某兼任"，并说明兼岗时的补偿措施（如外部复核、交叉抽检）。虚构角色比承认兼岗风险更大，因为现场核对一定会问。

问：这套内容是法规要求还是经验总结？ 答：材料清单与语料、标注的基本要求来自《生成式人工智能服务管理暂行办法》与 GB/T 45674—2025《网络安全技术 生成式人工智能数据标注安全规范》（2025-04-25 发布、2025-11-01 实施）等文件。而"六份材料之间的引用关系""四类连带失效""四个一致性部位"是实践视角的归纳，用于组织工作，不替代标准条文。

9 结语

这份材料的特殊性在于：它是唯一描述过程的，因此它天然是其他材料的依据。

这带来一个不对称的后果——它写得好，只能保证自己合格；它写得空，会连带让另外三到四份材料的表述失去支撑。

所以判断它的质量，不该只问"这份材料写全了吗"，而该问一句：

把其他五份材料摊开，凡提到语料的地方，能不能都在这里找到落点？

找不到的那几处，就是你真正的缺口。它们藏在别的文件里，不在这一份里。

附：主要依据

• 《生成式人工智能服务管理暂行办法》——语料来源合法、标注规范、服务协议与安全评估的规范来源。
• 《互联网信息服务深度合成管理规定》——训练数据与内容管理要求。
• GB/T 45674—2025《网络安全技术 生成式人工智能数据标注安全规范》，2025-04-25 发布、2025-11-01 实施——标注规则、人员管理、质量评估与隔离要求的直接依据。
• GB/T 45652—2025《网络安全技术 生成式人工智能预训练和优化训练数据安全规范》——语料来源、内容安全与授权的前置要求。
• GB/T 45654—2025《生成式人工智能服务安全基本要求》——服务侧整体要求，附录对语料安全给出量化参照（属资料性附录）。

说明：文中未引用具体条款号，以避免因标准版本差异造成误引；引用量化值时保留原文的"应／宜"性质。实际填报请以正式标准文本及属地网信部门口径为准。