语料标注规则：功能性和安全性标注，千万别混着写

打开一份被退回的《语料标注规则》，你大概率会看到这样的结构：

三、标注规则 　3.1 标注维度：准确性、相关性、完整性、安全性 　3.2 标注方法：人工标注为主 　3.3 质量要求：准确率不低于95%

看着挺齐整，对吧？

问题就在这：把"安全性"当成一个标注维度，和"准确性"并列写在一行里。

评审看到这一行，会立刻产生一个疑问：安全风险是这么处理的吗？31 类风险逐条比对了吗？全量审核了吗？

一句话回答不了，就会被要求补充材料。

一、为什么必须分开写

因为这两件事的目标、方法、标准，全都不一样。

看到最后三行了吗？

功能性标注可以抽检，安全性标注不能抽检。 这是两条完全不同的质量逻辑。

如果混在一起写"抽检10%、准确率95%"，那安全性标注也只抽了10%——评审一定会问：为什么安全风险只抽检10%？

二、功能性标注：五个维度，写清判断标准

功能性标注关注"能不能用"，通常拆成五个维度：

① 内容准确性：信息是否准确可靠，有无歧义或误导 ② 领域相关性：是否围绕模型应用领域（这一条必须换成你自己的领域） ③ 逻辑连贯性：段落间、句子间逻辑是否清晰 ④ 表达清晰性：有没有模糊、易误解的表述 ⑤ 内容完整性：回答是否围绕问题核心，有无回避或遗漏

写法上有个技巧：每个维度配一句"判据"，而不是只给名词。

例：领域相关性——语料应围绕工业领域，包含与工业生产、技术、市场、政策相关的有效信息。判定为"无关"的，需说明理由。

判据写清楚，标注员才有统一口径，一致性指标才做得上去。

三、安全性标注：四步走完才算标完

安全性标注不是"看一眼有没有问题"，是一个固定流程：

第一步：风险识别 逐条对照附录A的 31 类风险。5 大类：违反社会主义核心价值观（8项）、歧视性内容（9项）、商业违法违规（5项）、侵犯他人合法权益（7项）、特定服务类型安全需求（2项）。

第二步：等级分类 高风险 / 中风险 / 低风险 / 无风险。

第三步：属性标签 打上具体类型：虚假信息、地域歧视、涉政言论……标签要能直接用于后续筛除或纠正性训练。

第四步：处理建议 删除 / 复核 / 修改。并且要写清：该批次发现违法不良信息的，整批作废并追责。

四步缺一步，这条数据就不算标注完成。这一点必须在文档里写死。

四、分开写之后，审核链也要分开

功能性标注：初审自查 → 交叉复核（抽检） → 记录留档 安全性标注：标注 → 初审 → 第二人独立复核 → 分歧交安全管理专员终审 → 全量留档

两层要求：

1. 标注员不得审核自己的数据（这条几乎所有过审材料都写了）
2. 安全性标注每条至少两人确认，意见不一致时要有裁决人和裁决记录

还有一个容易漏的细节：安全性标注数据要与功能性数据、业务数据物理隔离，权限最小化。

五、一份可以照着改的目录

三、标注规则
  3.1 功能性标注
      3.1.1 标注维度与判据（五维）
      3.1.2 标注方法与示例
      3.1.3 质量指标（抽检≥10%，准确率≥95%）
  3.2 安全性标注
      3.2.1 风险清单（附录A，31类）
      3.2.2 识别—分级—打标—处置 四步流程
      3.2.3 质量指标（100%全量，合规率100%）
      3.2.4 违规处置与批次作废规则
四、数据格式
  4.1 功能性标注字段
  4.2 安全性标注字段（独立字段集）
五、质量评估与审核
  5.1 功能性：抽检 + 交叉复核
  5.2 安全性：全量 + 双人确认 + 终审裁决

注意最后一条：安全性标注要有独立的字段集。 风险等级、风险类型、起止位置、处理建议——这些字段功能性标注里没有，混用一套格式，追溯就断了。

分不分開写，本质上是回答一个问题：你有没有把"安全"当成一件独立的事在管。

当成一个维度，说明你只是顺手提了一句；当成一套流程，说明你真的在管。

需要这份功能性/安全性标注字段对照表，评论区回复「两套标准」。

功能性标注和安全性标注是两套完全不同的质量逻辑——抽检 vs 全量、95% vs 100%，混着写必然被追问，分开写才显专业。