GB/T 42755-2023《人工智能 面向机器学习的数据标注规程》 是我国首个数据标注领域的国家标准，于 2023 年 5 月 23 日发布，2023 年 12 月 1 日正式实施。该标准为 AI 数据标注提供了全流程规范，核心是保障标注质量、安全与一致性，适用于文本、图像、音频、视频、点云等多类型数据标注
标准核心框架（三大阶段）
标准将数据标注划分为前期准备、任务执行、结果输出三大核心阶段，覆盖从需求到交付的完整闭环
前期准备阶段
-
标注任务定义
- 需形成书面标注任务说明，明确标注目标、对象、类别、属性、方法、正反示例、验收规则
- 数据需先预处理：清洗、去重、脱敏、格式统一
-
标注人员要求
- 分级：普通标注员、专业标注员、领域专家
- 必须经培训 + 考核合格上岗，定期复训
-
标注环境要求
- 安全：双因素认证、操作录屏审计、数据存储与标注域逻辑隔离
- 工具：支持多模态数据、任务分配、进度跟踪、质量检查、版本控制、标准格式导出
任务执行阶段
-
过程控制
- 分工明确：数据需求方、标注管理方、标注方三方权责清晰
- 流程可追溯：全环节日志记录，防止篡改
- 流式质检：抽检率≥20% ，高危 / 敏感样本100% 复核
-
质量保证（核心指标）
- 一致性 ：多标注者 Kappa 系数≥0.85 ；图像标注 IOU≥0.90
- 准确性 ：分类标注准确率≥95% ；关键点定位误差≤3 像素
- 数据均衡 ：少数类样本≥5% ，特征覆盖熵值≥0.7
- 完整性：必填标注项无遗漏，元数据完整
-
管理机制
- 建立冲突解决、异常上报、进度监控、成本控制机制
结果输出阶段
-
内部质检
- 二级 / 三级质检：初检→复检→抽检，不合格数据返工
- 出具质量报告：准确率、一致性、覆盖率、问题统计
-
数据交付
- 按约定格式（JSON/XML/CSV 等）交付
- 附数据说明书：来源、标注方法、质量评估、版本、版权说明
-
后期维护
- 版本管理：记录修改历史，支持回溯
- 反馈优化：根据模型应用效果迭代标注规则
二、不同数据类型的专项要求
-
文本标注
- 分类：标签体系清晰、互斥无歧义
- 实体 / 情感：边界准确、情感极性一致，一致性≥90%
-
图像标注
- 分类：单图多标签准确，漏标率＜1%
- 检测 / 分割：边界框 IOU≥0.9 ；实例分割 Mask IoU≥0.85
- 关键点：定位误差≤3 像素
-
视频标注
- 关键帧 / 逐帧标注，目标 ID 追踪稳定，切换率≤5%
-
点云标注
- 3D 框 IOU≥0.8（16 线激光雷达）
-
音频标注
- 转写准确率≥98%，说话人分离、时间戳精确
安全与合规（安全护城河）
-
敏感数据保护
- PII（个人可识别信息）自动脱敏 ，召回率≥99%
- 严禁未脱敏标注人脸、指纹等生物特征
-
内容安全
- 政治有害 / 色情 / 暴力 / 歧视内容拦截率 99.97% ，漏标率＜0.05%
-
版权合规
- 确保原始数据授权合法，标注成果权属清晰
标准意义与价值
- 统一规范：解决标注行业 "无标可依"、质量参差不齐问题
- 质量提升 ：量化指标确保数据集高一致、高准确、高均衡
- 安全可控：强化数据安全、隐私保护与内容合规
- 产业协同：便于供需双方对接、降低沟通成本、支撑 AI 产业健康发展