用失败案例推动数据迭代

理解这条链路

防止同一个对话偷偷进入两边

相邻话轮、同一客户和相似模板高度相关。按通话、主体或来源文档分组切分，并做近重复检查；只随机切行，容易让训练集和盲测集共享答案。合成数据用于覆盖反例，不能替代真实业务分布。

每次迭代只验证一个假设

错误：金额口语表达识别失败。改动可以是热词、归一化或 ASR，先定位再选一项。用固定案例验证修复是否有效，再用盲测集确认未损伤其他场景。保留失败例子比只保存一个总分更有助于下一轮改进。

按这个顺序操作

1. 从失败与成功通话都抽样，避免只看投诉样本而无法估计总体。
2. 定义错误类型、来源许可、标注规范和复核方式。
3. 按来源分组去重并冻结盲测集，合成数据单独标识。
4. 发布单一改动，比较配对结果并归档仍未解决的问题。

可直接复用的记录模板

failure_id：
所属层：线路 / 音频 / 识别 / 知识 / 工具 / 话术
原始证据及来源许可：
改动假设：
train_group / dev_group / blind_test_group：
真实或合成：
修复案例 / 新增退化案例 / 发布结论：

做到什么程度才算通过

• 同一来源不会跨训练与盲测泄漏。
• 合成与真实数据分开报告。
• 每个改动有对应假设。
• 成功和失败均保留原始证据。

本轮确认的事实与来源

以下为公开资料支持的具体结论；操作流程和验收建议属于工程推导。仓库说明或厂商效果表述不等于独立实测。

这次更新了什么

删除从“飞轮”概念直接推导收益的叙述，改成错误归因、数据隔离与单项实验。

接着解决下一个问题