精选项目，2023—2026

为多模态大模型搭建图文标注规范与质检流程，把标注一致性（IAA）从 0.62 提升到 0.89，返工率下降一半。

设计偏好标注准则与奖励信号，组织上万条对比样本，让对话模型在有用性与无害性之间找到更稳的平衡。

为行业模型设计一套覆盖事实性、安全与拒答的评测基准，配套 LLM-as-judge 与人工双盲复核，让“变好了”有据可依。

为金融与医疗场景清洗、去重、脱敏并结构化百万级语料，建立可追溯的数据血缘，支撑领域模型的持续微调。

把“凭感觉写提示词”沉淀为可复用的模板库与 A/B 流程，让团队的提示词像代码一样可版本化、可评测、可交接。

组织对抗性测试与越狱探测，建立风险用例库与分级处置流程，在上线前把模型的“危险话”尽量提前堵住。