拓数科技TUOSHU DATA 申请试标
Training Data for Model Teams

先对齐规格,
再交付可直接训练的数据

面向大模型、具身智能、语音与视觉团队,提供训练数据采集、标注和评测集建设。按你的字段和标注规则先试标,确认后再放量;每批按比例抽检,随包附交付说明。

试标通过再放量按批抽检验收采集授权可查
delivery/batch_03/sample.jsonl示例
// 字段按客户 schema 定义
{
  "id": "sft_zh_000142",
  "task": "multi_turn_dialog",
  "domain": "customer_service",
  "turns": 4,
  "split": "train",
  "guideline": "v1.4",
  "annotator": "A-17",
  "reviewer": "R-03"
}
批次batch_03
抽检按约定比例
状态● 已验收
01 / 需求

对齐规格

场景、数量、字段、语种和验收比例,开工前写成文档。

02 / 试标

小批量试做

先交一小批给你评审,规则确认后再放量。

03 / 生产

采集与标注

按书面规范生产,每一批都可追踪。

04 / 交付

抽检验收

自检后按比例抽检,不合格退回当批返修。

Data Catalog

一站式数据服务

现成方向可以直接合作;不够用时,按项目单独定制采集、标注和清洗。

训练数据集

视觉、语音、文本、大模型和具身智能,按模态查看可合作方向。

了解详情

数据定制

现成方向不够时,单独约定采集、标注和清洗,范围与验收写进项目文档。

了解详情

行业方案

按行业组织采集、标注和交付,而不是只给一批零散文件。

了解详情
Modalities

训练数据集

数量、设备和标注粒度按项目约定,这里列出的是可合作的方向。

EMBODIED · TRAJECTORY

具身智能数据

第一视角操作视频、手物交互和遥操作记录,画面与动作按时间对齐。

适用:模仿学习、VLA 模型
查看方向
LLM · SFT / EVAL

大模型数据

指令、多轮对话、图文描述和视频说明,训练集与评测集分开构建。

适用:指令微调、多模态对齐、评测
查看方向
CV · DET / SEG / KPT

计算机视觉数据

检测、分割、关键点标注,覆盖人脸、人体和道路场景。

适用:感知模型训练与评测
查看方向
ASR · 普通话 / 方言 / 英语

语音识别数据

朗读、对话、命令词和带噪录音,附逐句转写和说话人信息。

适用:语音识别、唤醒词、鲁棒性
查看方向
TTS · SCRIPTED

语音合成数据

按音色和脚本录制,语音与文本逐句对齐,录音条件写进说明。

适用:语音合成、音色定制
查看方向
OCR · BOX + TEXT

OCR 数据

文档、卡证、票据和场景文字,包含文字框与转写结果。

适用:文字识别、文档理解
查看方向
LEXICON · G2P

发音词典数据

词条与拼音或音标对照,多音与变读分开标注,并配真人录音。

适用:G2P、语音前端
查看方向
NLU · INTENT / NER

自然语言理解数据

意图、实体、分类标签和平行句对,类别体系可按业务定制。

适用:意图识别、信息抽取、翻译
查看方向

没有匹配的数据方向。

全部数据集

Why TuoShu

为模型团队的工作方式而设计

数据问题最终都会体现在模型效果上。影响训练的每个环节,我们都尽量做成你能检查、能回溯的东西。

01

规格可对齐

场景、数量、格式和验收标准在开工前写成文档。标签含义、边界和反例随交付包一起给,规则变更有据可查。

  • 字段按需定义
  • 书面标注规范
  • 边界与反例
02

质量可度量

自检之后按比例抽检,不合格整批退回并写明原因。错误按类型统计,方便你判断是数据问题还是规则问题。

  • 多轮抽检
  • 错误类型统计
  • 当批返修
03

来源可追溯

人脸、声纹、医疗等材料先确认授权再处理,授权范围写进项目文件,方便你的法务和合规团队审查。

  • 采集授权
  • 授权范围记录
  • 敏感数据前置确认
04

训练与评测分开

预训练、微调和评测材料分开存放、分开说明。评测题单独划出,不混进训练集,结论才可信。

  • train / eval 划分
  • 按批交付
  • 交付说明
Quality

更高数据质量要求

01
书面规范类别、边界和示例写在任务文档里,不靠口头交代。没有规范的批次不开工。
02
试标后放量先做一小批,规则稳定后再批量生产,从源头减少返工。
03
多轮抽检自检之后再按比例抽检,不合格退回当批,原因写在该批。
质量管理说明
Security

更高数据安全要求

01
最小权限只有项目人员能打开文件,能下载的人少于能查看的人,人员名单可核对。
02
副本处理传输渠道和保存期限开工前约定,交付确认后删除约定的临时副本。
03
本地部署数据不能出场地时,部署方式、网络和账号单独评估。
安全管理说明

先用一小批数据,
验证我们是否合适

告诉我们场景、数据量、交付格式和验收标准,沟通后给出试标方案和报价。

ADDRESS北京市丰台区泥洼北路 6 号院 9 号楼
提交需求