依托高价值场景促进人工智能高质量数据集建设

可引用金句

• 离开真实场景，数据往往只能停留在被动获取的资源形态；进入真实场景，数据才能沉淀为模型能力、转化为产业能力、上升为治理能力。
• 场景定义需求，数据承载知识，模型生成能力，三者共同构成闭环。
• 高质量数据集不是“收得多”就行，关键在于能不能理解真实任务、支撑真实应用、提升真实能力。
• 脱离高价值场景来谈高质量数据集，容易陷入“数据越多越好”的数量迷思；脱离高质量数据集来谈高价值场景，又容易陷入“场景很多却难以规模化落地”的应用困境。

规范表述

数据案例

• 医疗领域中某肺结节检测模型训练数据集仅利用1万多例数据和亚毫米级病灶边界勾画的标注信息，便使早期肺癌筛查中的假阳性率大幅下降。
• 工业质检场景中某企业通过合成数据等技术生成了10万种“极端缺陷样本”，有效弥补了真实生产中罕见缺陷数据不足，使产品质量缺陷识别覆盖率大幅提升。