打标时最容易犯的错：近义词重复

2026-09-28 · LoRA / 数据集

问题

同一样东西在标注里写了两三个近义词（例如 smile / smiling / grin），模型接收到的信号就变成 「这几个词经常同时出现，但它们指向的细节又各不相同」⇒ 学到的是模糊、平均化的概念。

做法

• 每个概念只保留一个最准确的词，其余删掉。
• 同一个物件不要在提示词里重复指名（重复写会画出两个）；要加权就用权重语法。
• 打完标跑一遍自检脚本，退出码非 0 就不许入库。

为什么强调「脚本门禁」

靠人眼抽查一定会漏。把判据写成脚本，输出可复现的结论，才算真的守住了流程。