切训练验证测试集防串集｜AI训练师AI场景表格模板

要准备的

关于这件事怎么办

同一来源有多条样本，怎么保证不跨集？

脚本按来源列分组后整组分配到一个集，优先放训练集；若挤占其他集配额，将多出样本剔除并记录在清单备注中。

分层后某类样本太少、测试集分不到怎么办？

对样本数低于阈值的类别，脚本会提示并允许合并到相近类别，或在清单中标出该类测试集样本不足，由人工决定是否补采。

换了随机种子结果会不会差很多？

分层抽样下类别占比通常稳定，但具体样本归属会变。建议固定种子并在清单中记录，方便复现和对比实验。

切训练验证测试集防串集需要准备什么？

需要填的是：上传全量数据表、任务类型、切分比例、分层字段、泄漏检查依据、随机种子、脚本语言。每一项点一下就行，多数不用打字。点「直接办这件事」就开工；没选全也能先办，回头补了随时能改。

能拿到什么成果？

交付形式是表格——平台直接做好表格，能下载成 Excel。在GPT中文网（www.gpt.com.cn）按字段填完即可拿到。文字类成果免费生成，免注册即可试。

什么情况下需要切训练验证测试集防串集？

手工切分容易把同一来源样本分到不同集，标签串集导致线上指标虚高，排查半天。遇到这种情况，把信息按字段点选一遍，AI 按你点的出成品，不用自己琢磨怎么说。

适合谁用？

训练和优化 AI 模型、需要规范切分数据集的 AI 训练师与算法工程师。不需要 AI 使用经验，按字段填完即可。