CORPUS CATALOG · 24 类标准语料资产 · 全链路覆盖
语料资产目录与语料护照
这里列的是可直接交付的语料产品，不是新闻资讯、不是信源链接、也不是原始文件堆。每个资产都有明确的模态、领域、用途、规模、许可方式、CQS 质量分与血缘记录，支持样本试用与体检后再采购。
文本 / 语音 / 图像 / 视频 / 代码 / 多模态预训练 / SFT / RLHF / RAG / 微调 / 评测开放 · 商用 · 合规专供 · 定制
SEARCH & FILTER · 语料检索
按模态、领域、用途、许可多维度筛选
支持关键词检索与 CSV 清单导出；点击任一卡片查看完整语料护照字段。当前共 24 条资产。
DELIVERY STANDARD · 交付标准
每批语料，都带四样东西
这是我们把「原始数据」和「语料产品」区分开的硬标准，也是采购验收的依据。
CQS 体检报告
六维评分卡、噪声与 PII 统计、重复率、中文占比、处理建议，评分脚本可复现。
数据血缘
来源指纹 → 算子链 → 参数阈值 → 版本，支持差异对比与一键回滚。
语料护照
权利人与许可、用途边界、脱敏日志、调用留痕、分账规则，合规可审计。
样本试用包
按用途提供可下载样本与接入示例（数据集 / API / 向量接口），先验后买。
采购流程
从需求到交付的 5 步
- 需求解析：把业务目标翻译成语料规格书（模态、领域、规模、用途、合规等级）
- 样本试用：下载样本包并跑一次 CQS 体检，确认质量门槛
- 授权签约：明确许可类型、用途边界、期限与分账规则
- 加工交付：按流水线生产，附体检报告、血缘与语料护照
- 持续迭代：订阅增量语料流，评测反馈回流触发再加工
质量门槛
CQS 分级与准入
| 评分 | 等级 | 建议用途 |
|---|---|---|
| 90–100 | A 级 | 可直接入库、对齐与评测 |
| 80–89 | B 级 | 预训练 / RAG，建议抽检 |
| 70–79 | C 级 | 需补清洗去重后再使用 |
| < 70 | D 级 | 不建议直接进入训练 |
合规安全维度实行一票否决：出现未脱敏个人信息或授权链缺失的批次，无论总分多高都不予放行。