大模型训练数据规范（完整版）.docxVIP

大模型训练数据规范（完整版）

第一章总则

一、编制目的

为规范大模型训练数据全生命周期管理，保障训练数据合规性、安全性、质量稳定性，防范数据侵权、信息泄露、内容违规等各类风险，支撑大模型输出效果达到预设性能指标，依据国家相关法律法规和行业标准制定本规范。所有涉及大模型训练数据处理的岗位人员，必须严格遵照本规范要求开展各项操作，不得随意简化流程或调整核心指标阈值。

本规范执行过程中，所有操作环节必须留存完整纸质或电子记录，不得事后补填、篡改记录内容，确保全流程可追溯、可审计。

二、适用范围

本规范适用于所有面向公众提供服务的通用大模型、垂直领域大模型的训练数据处理工作，覆盖文本、图片、音频、视频、代码等全类型训练数据的采集、清洗、标注、过滤、存储、流转、销毁全流程操作。

面向内部非公开使用的小型大模型训练数据处理工作，可参照本规范核心要求执行，其中合规性相关指标不得低于本规范设定的最低阈值。

三、编制依据

本规范所有条款严格对齐现行国家法规和行业标准，具体包括《生成式人工智能服务管理暂行办法》（国家互联网信息办公室工业和信息化部公安部国家市场监督管理总局令第15号）、《网络数据安全管理条例》、GB/T41818-2022《人工智能数据治理规范》、GB/T42080-2022《人工智能训练数据质量评价规范》、GB/T42430-2023《健康医疗数据安全指南》、JR/