我们自己的欠账：最高优先级那一档，98.9% 还没通过复核

Alpha Lay · 2026-09-26

前面几篇都在讲数据说了什么。这一篇讲数据本身有多不可靠——包括我们自己造成的那部分。

数据是怎么来的

每条案例有三个状态字段：

没有一条案例是「已完全复核」状态。 这个字段体系里根本没有那个值——我们从一开始就把目标设成了「可以先检索」，而复核是永久欠账。

看质量标记：

前两个标记的条数完全一样，而且是同一批 707 条案例。 这不是巧合：它表示这 707 条是同一个处理路径产出的——只做了云端 ffmpeg 技术提取，标签全部来自自动候选，没有任何人工复核。

那么剩下 567 条呢？

567 条里，454 条的来源类型是「原发布者原文照录」——也就是标签直接来自原帖文字，可信度高于自动候选，但依然没有经过语义复核。

这是我们最该认的一条。优先级字段把案例分成三档，P0 的定义是「当前短剧」——按我们自己写的意图，这是最该先看懂、最该先复核的一档：

优先级	样本	待语义复核	比例
P0（当前短剧）	263	260	98.9%
P1（跨题材技法）	441	424	96.1%
P2（未来类型）	570	528	92.6%

我们认为最重要的一档，复核率最低（98.9% 待复核）。 这显然是流程设计失误：优先级的分配发生在采集阶段，复核却一直没排上队，于是「优先级」只影响了一件事——它被索引的先后顺序，没有影响质量。

而且 P0 里 194 条（73.8%）连语音检测都没跑（详见语音检测那篇）。优先级字段在我们这里，目前只起到了「标签」作用，没起到「资源分配」作用。

质量标记	条数	含义
拉片覆盖不足90%	5	对视频逐帧/逐镜分析时，覆盖的时间比例不到 90%（全部是 16 秒以上的长片）
弱分类依据	26	分类依据不足，容易被误判
元数据冲突	40	不同来源对同一字段给出不同值
短提示词	51	提示词过短，无法据此复现

「拉片覆盖不足90%」只有 5 条，但全部集中在长视频上——正好是我们最需要逐镜分析的那一类。这个巧合值得警惕：越是复杂的长片，我们的分析覆盖率越低。

如果你在引用我们前面的任何一篇：把这一篇当作前置声明。那些文章的结论方向是可靠的（它们用到的都是 ori、dur 这类客观测量字段），但凡是涉及题材、技法、风格的分类结论，分母里都混着 95% 未复核的数据。

如果你在做自己的标注流程：这是一个完整的反面案例。核心教训是——「待复核」必须是一个有限队列，不能是一个默认状态。我们把复核做成了「以后有空再说」，结果是 1,212 条排在那里，而且优先级最高的排在最后。

如果你在评估任何自动标注数据集：问三个问题就够了——① 自动候选占多少？② 有多少经过人工复核？③ 复核的优先级是怎么排的？我们这个库的答案是 55.5%、不到 5%、且排错了。

每条案例的状态与质量标记都在详情里公开：https://cases.aishifu.shop/