领域专家的专业任务,
连同完成它所需的上下文与数据
由领域专家标注的专业任务数据。每个任务来自现实业务, 附带完成它真正需要的业务材料与数据、专家亲自完成的参考产出, 以及逐条可判定的验收判据。
领域专家标注现实业务任务完整上下文与数据专家参考产出逐条验收判据
57首批样本任务
4已覆盖领域 · 持续扩展
15.1平均每任务验收判据
71%评审类判据为一票否决项
100%评审类任务附专家参考产出
关于首批样本。本页统计来自首批已完成标注的 57 个任务, 分属 5 个业务项目、4 个领域。领域与任务类型的比例由已完成标注的项目决定, 不代表数据的最终构成; 后续批次会纳入更多领域和任务类型, 统计口径保持不变。部分统计只能在具备相应数据的项目上计算, 已在对应位置注明统计范围。
§ 1
数据的四个特点
每一条都能在交付数据里逐项核查。
01
现实专业任务
任务来自法律、电力工程、财税、采购与供应链等领域的现实业务 —— 诉讼应诉、并购尽调、供应商考核、电网工程监理资料、开票系统改造, 由领域专家以执业者的视角设计与标注。不是为评测编的考题, 而是专业人士日常要交付的工作。
02
完整的上下文与数据
每个任务附带完成它真正需要的业务材料: 起诉状与协议、股权与合同台账、订单与质量数据、监理日志与印章、项目资料……结论必须回溯到具体文件、工作表与行次。「任务 + 上下文 + 数据」齐备的专业样本, 在公开数据中几乎无从获取。
03
专家参考产出
任务附有专家亲自完成的正式交付物 —— Word 文书或 Excel 工作表, 与任务书要求的交付形式一致; 首批样本中评审类的 32 个任务已逐一核验, 全部附有。可作为训练目标, 也可作为评估时的对照样本。
04
逐条验收判据
平均每个任务 15.1 条可逐条判定的验收判据, 以专家原始判据为基线。评审类判据中 71% 为一票否决的关键要求, 另有负面规则拦截编造事实、越权下结论等专业错误; 锚点类判据由确定性脚本逐条检查。
§ 2
每个任务交付什么
四件套随任务一起交付, 评测与训练都可直接使用。
| 组成 | 内容 | 用途 |
|---|---|---|
| 任务书 | 角色、目标、依据范围、口径与交付要求; 自足可开工, 不需要再补充任何背景 | 评测输入 / 训练提示 |
| 上下文与数据 | 项目共享的业务材料(Word 文书、Excel 台账、印章图片、项目资料), 部分任务另附任务级输入数据 | 作答环境 |
| 专家参考产出 | 专家完成的正式交付物, 与任务书要求的文件形式一致 | 训练目标 / 对照样本 |
| 验收判据与评分器 | 逐条判据(评审类: 关键要求 / 加分项 / 负面规则; 锚点类: 确定性判分锚点)与随包分发的评分器, 输出逐条得分与证据 | 评测打分 / 奖励信号 |
获取完整样本进行评估样本含任务书、上下文材料、专家参考产出、验收判据与评分器
申请样本