一、前言：大模型拼到最后，拼的是标注数据

大模型基座能力趋于同质化，微调数据质量成为最终体验分水岭。

• 指令不清晰 → 模型答非所问
• 对话逻辑乱 → 多轮崩、人设飘
• 安全没把关 → 违规、偏见、错误知识
• 无结构化 → 无法训练、无法复现、无法入表

中启联信长期为政务、无障碍、车载、金融、舆情领域提供大模型 SFT 数据生产，累计交付指令数据 100 万 +、多轮对话 30 万 +，形成一套稳定、可量产、可审计、可入表的标注体系。

本文把指令标注、对话标注的最佳实践一次性讲透。

---

二、大模型 SFT 数据的核心要求

1. 意图明确：指令必须清晰、无歧义、可执行
2. 逻辑一致：对话人设、知识、立场不自洽
3. 安全合规：无违法、无偏见、无错误医疗 / 法律结论
4. 格式标准：统一 JSON 结构，方便训练
5. 可追溯：来源、加工、审核全链路留痕（入表必需）

---

三、指令标注（Instruction Tuning）最佳实践

1. 指令数据标准结构（企业通用版）

每条指令必须包含三部分：

• instruction：用户指令 / 问题
• input：可选上下文 / 材料 / 文档片段
• output：标准标准答案

json

{
  "id": "zqlinx_2026_001",
  "instruction": "请简要解释数据资产入表的含义",
  "input": "",
  "output": "数据资产入表是指企业将符合条件的数据资源确认为无形资产或存货……"
}

2. 指令标注四步法

1. 拆意图：明确任务类型（问答 / 摘要 / 生成 / 分类 / 改写）
2. 定边界：禁止超出领域、禁止编造、禁止开放危险指令
3. 写标准答案：专业、严谨、中立、可验证
4. 规则校验：长度、格式、安全、一致性检查

3. 指令标注黄金规则

• 一句话只干一件事
• 避免模糊、主观、多义表达
• 答案必须可查证、可溯源、无幻觉
• 政务 / 医疗 / 法律必须严谨、保守、合规
• 无障碍领域必须简洁、通俗、低理解成本

---

四、多轮对话标注（Dialogue Annotation）最佳实践

1. 多轮对话标准结构

json

{
  "dialogue_id": "dialog_2026_001",
  "scene": "政务办事",
  "character": "客服/用户",
  "history": [
    {"user": "您好，我想查残疾人补贴"},
    {"bot": "请问您是哪个地区的户籍？"}
  ],
  "answer": "您需要携带……"
}

2. 多轮对话三大核心要求

1. 人设一致性语气、身份、专业度全程稳定
2. 上下文一致性不遗忘上文信息、不矛盾、不重复提问
3. 逻辑闭环能解决问题、能结束对话、不产生误导

3. 对话标注禁止红线

• 禁止出现错误政策 / 医疗 / 法律信息
• 禁止歧视、偏见、暴力、色情
• 禁止对话无限循环、不解决问题
• 禁止编造机构电话、地址、流程

---

五、中启联信量产级标注 Pipeline

1. 数据接入

原始语料 / 对话 / 知识文档 → 清洗 → 脱敏 → 去重

2. 规则标注

指令生成 / 对话构造 → 第一轮标注

3. AI 预校验

大模型自动检查：

• 意图合规
• 答案准确性
• 安全风险
• 格式统一

4. 人工多级质检

1. 自检
2. 交叉检
3. 专业审核（政务 / 医疗 / 无障碍）
4. 终审

5. 格式导出

统一 JSON/JSONL → 分场景 → 分难度 → 交付训练

---

六、质量验收标准（企业可直接用）

• 指令准确率 ≥ 99%
• 对话一致性 ≥ 97%
• 安全合规率 100%
• 格式正确率 100%
• 可追溯率 100%（入表必需）

---

七、安全与合规（大模型必查）

1. 敏感信息自动识别 + 脱敏姓名、电话、地址、隐私数据必须抹去
2. 内容安全审核涉政、涉医、涉法、涉黄、涉赌、涉毒严格过滤
3. 全流程留痕谁标注、谁审核、修改几次、时间戳完整记录
4. 数据不出域支持离线标注、一体机标注、安全隔离环境

---

八、融合实战案例：无障碍交互大模型标注（来自落地项目）

中启联信为AI 手语数字人、听障 / 视障无障碍交互大模型生产 SFT 数据时，执行更严格的标注规范：

1. 指令必须简短易懂适合障碍用户理解
2. 回答必须口语化、无专业黑话
3. 必须包含无障碍场景政务办事、医院就医、银行办理、出行查询
4. 必须支持多模态输出文字 + 语音 + 手语 对齐标注
5. 全流程可审计、可入表标注数据作为数据资产入账

已落地：

• 福州鼓楼残联 / 医院无障碍交互模型
• 苏州吴中政务无障碍问答模型
• 江西气象手语数字人对话模型

---

九、总结：大模型标注的真正核心

指令标注与对话标注，不是简单的文字改写，而是大模型的 “行为编程”。高质量标注必须做到：意图清晰、逻辑一致、安全合规、格式标准、可追溯、可入表。

中启联信以标准化流程 + AI 辅助 + 多级质控 + 安全隔离，为企业大模型提供可直接训练、可规模化、可审计、可资产化的 SFT 数据生产能力。