88% 的分类依据不是画面：我们是怎么给这 1,274 条打标签的

Alpha Lay · 2026-09-26

前面有一篇写了我们 95% 的记录处于「待语义复核」状态。那一篇讲的是复核没做；这一篇讲得更根本——即使做了分类，依据也不是画面。

数据是怎么来的

每条案例的 basis 字段记录这条记录的分类依据来自哪里。取值有 6 种：

basis	含义	条数	占比
title	依据案例标题	575	45.1%
metadata_only	只有元数据，没有内容依据	540	42.4%
prompt_only	依据提示词文本	102	8.0%
none	无依据	22	1.7%
synthetic_title	标题本身是生成的	20	1.6%
case_id_slug	依据 ID 中的标识串	15	1.2%

把前两类加起来：575 + 540 = 1,115 条（87.5%）。

真正读过提示词（prompt_only）的只有 102 条（8.0%）。

也就是说，这个库里约 92% 的题材/技法分类，不是基于对视频内容的观察。

那 575 条依据标题的记录里，有 20 条的标题是我们自己生成的（synthetic_title）。

这就是一个自指的循环：因为拿不到原始信息，我们生成了一个标题，再用这个标题去分类。这类记录的分类依据严格说是零——但它们在统计表和前面的每一篇文章里，与有真实依据的记录等权重。

必须说得更直白一点：这是一个方法论缺陷，不是数据规模问题。 加更多记录不会修复它。

1,146 条案例有标题（90.0%），平均长度 36 个字符。

36 个字符能承载多少信息？看一下最高频的词：

这些是体裁标签式的词（commercial、fashion、anime、film），不是对画面的描述。用「fashion」这个词判定一条视频属于「时尚美妆」题材，准确率会有多高？我们不知道——因为我们没有做过抽样人工核验。

这恰恰是问题所在：一个 36 字符的标题，加上没有核验，不构成可靠的分类依据。

我们顺手查了标题里的可信度词：

关键词	条数
含 "verified"	11
含 "official"	3

1,146 条标题里，只有 11 条声明自己经过验证。 也就是说，这批数据几乎不存在「这条案例已被确认」的标记——包括我们自己的记录在内。

如果你在引用我们前面的任何一篇：请把这一篇当作前置声明。涉及客观测量的结论（画幅、时长、分辨率、发布时间）是可靠的；涉及分类的结论（题材分布、技法排行、风格收敛）都建立在一个 87.5% 非内容依据的基础上。方向可能对，精度不可信。

如果你在做自己的标注：这是最该抄走的一条教训——「依据来源」必须是一个一等字段，而且在报表里要显示出来。 我们把它记了下来（basis），却没有在任何分析里按它分层。如果我们早点按 basis 过滤，就会立刻发现 87.5% 这个数字。

如果你在看任何一个自动标注数据集：问一句「标签的依据是什么」比问「有多少条」有用得多。一个 10 万条但依据是标题的库，价值可能低于一个 1,000 条逐条看过画面的库。

basis 是我们自己写的字段，它的准确性同样没有经过外部核验。本文的自我批评建立在我们自己的自述之上。
title 不等于「不可靠」：有些标题信息量很高（包含镜头、动作、风格描述）。本文只指出标题作为分类依据在样本层面不构成依据，不是说每条都错。
metadata_only 不一定零信息：分辨率、时长、画幅本身是客观测量，可以支撑一部分结论（例如「这是一条横屏 15 秒的片子」）；问题在于它们无法支撑题材与技法分类。
无法估计错误率：我们没有抽样人工复核，所以不知道这 575 条（或 1,115 条）的分类错了多少。这是本文最大的空白，也是我们欠的下一笔账。
全部数字基于 1,274 条索引记录。

每条案例的分类依据在详情里可见：https://cases.aishifu.shop/