数据标注与模型训练的基本流程
答案要点
- 标注是为数据提供监督信号,常见形式有分类、检测框、分割、序列标注等
- 标注流程:制定规范、试标、一致性检验、批量标注、抽检质检
- 训练前清洗去重,划分训练、验证、测试集,并防止数据泄漏
- 训练集更新参数,验证集调超参和早停,测试集只做最终评估
- 错误样本回流和主动学习形成数据闭环,降低标注成本
易错点
- 只追求标注数量,忽视规范和一致性,噪声标签拉低模型上限
- 用测试集反复调参,导致评估结果过于乐观
- 训练数据与线上数据分布不一致,却只看离线指标
面试官常见追问
- 标注质量怎么保证?
- 标注成本太高怎么办?
- 什么是数据泄漏?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。