資料集建構
定義樣本邊界、類別體系與切分策略，產出可直接訓練的資料集。
- 樣本篩選與去重
- 訓練 / 驗證 / 測試切分
- 資料卡與版本紀錄
Data Services
為 AI 提供可用的多模態資料與判斷
把藝術影像、音訊、工業圖紙與感測訊號等非標準資料，連同專業判斷，整理成可訓練、可評測的結構化資料。
服務範圍
涵蓋藝術影像、音訊、工業圖紙與感測時序：資料集建構、非標準資料標註與評測基準。
業務合作夥伴
字節跳動
資料服務
從素材到資料集，每一步都留紀錄。
採集與授權
從公開館藏、機構合作與自有管道採集，逐筆登記來源與授權。
- 來源鏈路登記
- 授權範圍標註
- 敏感內容篩查
清洗與結構化
統一格式與解析度，補齊作品、作者、年代、媒材等中繼資料。
- 格式與解析度標準化
- 中繼資料補齊
- 重複與損壞樣本處理
評測基準
把「理解得對不對」拆成可複核的題目與計分規則。
- 任務與計分規則
- 參考答案與爭議樣本
- 版本化評測集
從圖紙到波形，皆可對話
CAD 圖紙、PCB 版圖、模擬雲圖、感測波形——工程檔案無需轉換，直接交給前沿模型解讀。
CAD 工程圖紙
讀懂視圖、標註與公差，提取關鍵尺寸、產生 BOM，比對版本變更。
PCB 電路設計
解析網表與封裝資訊，核對器件料號，按規則給出設計審查線索。
CAE 模擬結果
解讀應力與流場雲圖，梳理參數影響，起草結構化的模擬報告。
工業時序訊號
分析感測器波形與設備日誌，定位異常區間，歸納可能的根因。
標註解決方案
難點不在貼標籤，而在標籤互斥、邊界案例與跨批次口徑。
細粒度視覺標註
主體、構圖、色彩、光影、筆觸、材質逐項標註。
藝術史語意標註
年代、流派、媒材、題材、作者歸屬，由藝術史背景標註員執行。
多模態對齊
影像區域、文字描述與結構化欄位互相錨定。
客製標籤體系
依目標設計層級、取值與互斥規則，配套手冊。
標籤體系示例
作品屬性
作者年代流派媒材尺寸收藏來源
視覺元素
構圖色彩光影筆觸材質空間
語意與情感
題材敘事象徵情緒風格強度
版權與合規
授權狀態使用範圍署名要求敏感級別
實際標籤依任務裁剪，每組配定義、邊界案例與互斥規則。
Quality
品質不是抽檢出來的，是流程裡長出來的
手冊先行
先寫清定義、邊界案例與計分口徑，再開始標註。
雙人複核
關鍵批次獨立複核，分歧樣本進入仲裁。
版本可追溯
每次交付帶手冊版本、樣本清單與變更紀錄。
交付流程
五個階段，每個階段都有確認點。
- 01
需求定義
任務、目標模型、樣本範圍與驗收標準
- 02
取樣與授權
依分布取樣，登記來源與授權
- 03
標註執行
依手冊標註，爭議樣本單獨標記
- 04
品質複核
雙人獨立複核，分歧進入仲裁
- 05
結構化交付
JSONL / COCO / 自訂 Schema
ResearcharXiv:2610.22989·cs.SD·2026-10-16
MUBMusic Understanding Benchmark
500 段身分遮蔽錄音，四個任務：速度、調性、拍號、結構。模型只看到音訊與任務指令；資料構成、遮蔽協定與評測腳本均已公開。
作者 · Kun Liu · Lyra Tao
- 500
- 錄音條目
- 4,676
- 結構區間
- 24
- 大小調組合
- 47–180
- BPM 範圍
MUB-00001 – MUB-00500
每首 5–22 段
大調 268 / 小調 232
中位 101
論文自述為驗證中的評量資源：未完成錄音級清權，尚無模型對比結論；程式碼 MIT，音訊不散布。
閱讀全文適用場景
多模態模型訓練
圖文配對、區域描述與視覺問答
生成品質評測
統一題目與計分規則比較模型
文化遺產數位化
館藏影像結構化與中繼資料補齊
內容平台治理
風格、題材與敏感內容分類