标注质量决定微调上限

给产品经理：
先定义“什么算对”，再开始标。分类边界、例外情况、可接受表述，要写成标注手册。否则标注员只能靠感觉，模型学到的也是感觉。

给标注负责人：
别只做终审，要做一致性抽样。让两个人标同一批样本，算一致率；分歧样本单独讨论，反哺手册。一致率低的类别，先修定义，不要急着扩量。

给算法工程师：
不要只收最终标签，尽量保留标注理由和困难样本。微调时，困难样本和边界样本的价值通常高于大量简单样本。训练集、验证集按业务维度切分，别随机切导致泄漏。

给业务方：
标注不是一次性外包任务。上线后的 bad case 要回流，标注手册要版本化。模型迭代越快，标注体系越要稳定。

微调失败很多时候不是模型太小，而是标签定义模糊、边界样本缺失、验证集不代表线上。数据质量的天花板，就是微调效果的天花板。