训练数据

按规范化文本做精确去重，保留重复条目到首条的映射，并将同文本不同标签的整组记录隔离复核。

将类别列编码为 ClassLabel，以 Datasets 分层切分训练与验证，并核对类别比例、样本 ID 交集及可重复性。

用 Datasets 为无效文本和标签保留拒绝原因、原始 ID 与记录位置，再核对接受表和拒绝表的行数守恒。

使用 Label Studio 的 Labels 配置标注中文人名、地点与组织片段，通过原文切片核对起止位置和类别。

从 Label Studio 原始 JSON 提取单标签人工结果，保留来源编号，输出训练 CSV 和取消、多份标注等异常报告。

准备带来源编号的 CSV 文本任务，正确处理逗号、双引号和换行，用脚本核对三条样本后导入 Label Studio。

用 Label Studio 的多选配置标记一条反馈里的多个问题，说明标签互斥规则，并核对正式导出的完整标签集合。

用 CountVectorizer 同时统计总词频与文档频率，手算核对结果，并回查训练文本中的高频模板。

按用户、设备或文档来源分组切分训练与测试数据，核对组交集、行编号与类别分布，并说明组比例和时间序列限制。

用 SDV 对无隐私玩具表检测元数据、拟合并采样，再检查列、空值与分布。