法律、Coding与具身智能数据研究
从真实技术任务出发,讨论数据契约、专业标注与工程验收。共22篇AI辅助整理的研发交流文章,不将研究建议或需求规格表述为已经验证的商业交付、司法或安全结论。
法律与司法数据
中文法律法考题库:把题目、法条版本与可复核解析做成训练数据
围绕中文法律法考题库,拆解题干、选项、答案、解析与法源版本,提出专家复核、去重、污染控制和可执行验收方案。
从诉状配对到可验收语料:法律文书数据集的工程化拆解
拆解中国大陆诉讼文书配对数据的案件级结构、案情事实中间层、证据与案由标签、脱敏授权、复杂度分层、去重切分和可复跑验收边界。
法律大模型评测数据如何落地:从逐条 Rubric 到可复核验收
拆解法律大模型评测数据的题目、法源、逐条Rubric、双模型证据、三人一致率与ICC(A,3)验收,并说明隐私、许可和版本边界。
法律 Skills-RL 训练数据如何落成可复核任务:从技能触发、检索轨迹到 Rubric 验收
拆解法律Skills-RL任务的数据契约、技能触发、法规检索轨迹、Golden产物、专家Rubric、隐私授权与版本化验收边界。
司法文书配对数据集如何做成可验收资产:从案由标签到证据链质控
围绕中国法语境下的起诉状、答辩状、裁判文书配对数据,拆解pair_id建模、案由与案件类型覆盖、跨文书脱敏、配对逻辑、去重、专家复核、法规时点和案件级切分验收。
Coding与Agent数据
把智能体后训练任务做成可复跑资产:从题目、环境到测试裁判的验收闭环
从工具调用、企业工作流、结构化文件和仓库级构建四类任务出发,拆解许可证、环境隔离、轨迹完整性、测试oracle、污染控制与分批交付方法。
Coding Agent 轨迹的原生消息与可复现验收:从真实交互到工程交付
聚焦真实用户 Coding Agent 轨迹,拆解 session/call、Anthropic 原生消息块、工具配对、环境快照、测试 oracle、隐私授权、许可证与可复现验收。
从调用快照到可审计轨迹:Coding Agent 的 Session、Token 与验收契约
面向 Coding/Agent 研发团队,拆解 JSON 紧凑化、Session/Call 去重、代表性 usage 统计、训练评测污染、代码许可与可回放验收;明确 thinking/tool 字段需授权,不把数字轨迹扩写成物理机器人数据。
Coding/Agent轨迹数据格式:从 JSONL 结构到可复跑验收的工程契约
拆解 Coding/Agent 轨迹的 instance、trajectory、message、tools、thinking、effort 与 traj_uuid 契约,说明许可、污染、环境、工具配对和多轨迹验收如何形成可复跑的数据交付。
从真实工程任务到可复核验收:高经济价值 Coding Agent 题库如何落地
从真实工程工作提炼 Coding Agent 任务,系统说明仓库与文件单元、原子Rubric、测试预言机、许可证、污染控制、环境复现和分阶段验收。
Coding Agent 完整 Session 数据:从数字交互轨迹到可复跑验收
拆解 Coding Agent 完整 Session 的 JSONL 结构、消息顺序、工具 schema、调用返回配对、失败重试、环境与测试边界、隐私许可和可复跑验收。
具身智能数据
具身技能数据包怎么验收:从 episode 边界到同步标定的可回放数据契约
从具身 episode 边界、本体与动作空间、多传感器同步标定、失败事件、隐私安全到数量质量多样性格式标注五道验收门,拆解可回放、可复核的机器人技能数据包。
从第一视角采集到可验收数据:Ego硬件规格如何落成训练样本
从立体RGB、200Hz级IMU和共享时钟出发,拆解Ego具身数据的同步标定、MCAP交付、episode标签、质检、隐私治理与试采验收方法。
双目—IMU具身数据采集:从同步标定到长时验收的工程方法
围绕第一视角双目相机与IMU数据,拆解时间戳语义、硬件同步、时空标定、长时漂移、丢帧、隐私治理和可复核验收流程。
双目第一视角作业数据怎样验收:从时间戳到资产边界的工程方法
拆解双目第一视角作业视频的资产边界、逐帧时间戳、相机与IMU同步标定、失败样本、训练切分、MCAP转换与隐私治理,给出可复核的交付验收方法。
具身第一视角数据标注怎么验收:从任务指令、原子动作到错误帧的可复核时间轴
拆解第一视角具身数据的episode边界、左右手主轴、原子能力、错误帧、同步标定、隐私治理与分层验收方法。
从双目同开到可验收交付:第一视角具身数据采集设备的工程拆解
从双路RGB、IMU硬件同步和逐帧时间戳出发,拆解第一视角具身数据采集设备的标定、MCAP转换、episode设计、质控、隐私与样机验收闭环。
从第一视角到遥操作:具身数据采购需求如何拆成可验收交付
从真实具身数据采购需求出发,拆解成品数据、增量采集与标注交付,说明episode、同步标定、坐标系、动作空间、隐私与分层验收。
从“能拍视频”到“可训练、可复核”:全球住宅与商业场景的第一视角具身数据设计
拆解全球住宅与商业场景第一视角具身数据需求,覆盖episode、IMU与姿态、时间同步、空间标定、动作空间、语言标签、质量验收和肖像声音空间隐私治理。
第一视角原始视频怎么验收:从头戴采集设置到可训练数据包
从头戴设备设置、恒定帧率和原始文件,到任务片段、IMU标定、隐私治理与逐文件验收,拆解第一视角具身数据如何形成可追溯训练准备包。
第一视角具身操作数据如何做成可验收资产:从场景配额到同步、泛化与安全
拆解大规模第一视角具身操作数据的有效时长、episode边界、同步标定、泛化分组、版本交付、隐私安全与可复跑验收方法。
第一视角机器人数据采集怎么验收:从双目视频到手部状态的同步标定与 MCAP 交付
围绕真实具身数据任务,拆解第一视角双目RGB、IMU、手套或手持设备的同步标定、元数据、隐私治理、失败标签和MCAP/Protobuf验收闭环。