中 / 英 / 多语种细粒度图像描述、问答对，可用于 CLIP / VL 模型预训练。
逐字时间戳对齐、说话人分离、多语种平行字幕。
动作时间段 + 语音转写 + 画面描述同步标注。
高质量指令 + 期望输出对，按客户对齐准则与风格定制。
同一问题多个回答的偏好排序，双盲一致性 ≥ 0.86。
越权请求识别、幻觉样本生成与标注、安全红线样本库。
两名独立标注员对同一样本背靠背作业，结果差异自动汇集。
差异样本提交资深仲裁员裁定，全程留痕。
项目周会更新对齐准则文档，覆盖边界与歧义样本。
交付前最终质量把关，确保偏好分布与客户期望一致。
| 项目 | 规格 |
|---|---|
| 跨模态对齐精度 | ≤ 16ms（硬件时间码） |
| SFT 输出 | JSONL（instruction / input / output / 元数据） |
| RM 输出 | JSONL（prompt / chosen / rejected / scores） |
| 图文对照 | image_path + caption + tags（多语种可选） |
| 双盲一致性 | ≥ 0.86，关键样本 ≥ 0.92 |
| 语言覆盖 | 中 / 英 / 日 / 韩 / 西 / 阿 等主流语种 |
| 规模 | 支持 SFT 百万级、RM 十万级偏好对 |