训练前数据需要硬性准入机制：开发者探讨自动化审计系统

jesusmjk · reddit · 2026-07-28

作者指出，当前 AI 模型训练流程中，代码、基础设施和模型性能都有严格的门禁，但训练数据质量的决策往往仍依赖分散的脚本和人工判断。

他构思了一个预训练控制层：不依赖大模型来下结论，而是基于明确证据（如数据泄露、冗余、覆盖度等）对数据集给出可复现的 PASS、WARNING 或 FAIL 判定。此外，该系统还能生成修复计划并执行二次审计。作者也承认其潜在风险，并希望与一线训练管线开发者探讨该机制的可行性。