指令数据集主要表达任务输入与期望回答，偏好数据集表达多个回答之间的选择或排序。两者的结构、标注依据和质检重点不同。交付时要同时说明字段格式、来源范围、判定规则、版本以及允许使用的用途，不能只交一批没有说明的文本文件。

先明确训练任务需要什么数据

指令样本常包含问题、上下文和回答，可用于展示某类任务应怎样完成。偏好样本还需要关联同一输入下的候选回答及比较结果，用来表达回答质量差异。具体字段名与训练工具保持一致，不把某个示例格式当作所有模型的统一标准。

偏好标签必须有可复核的理由

回答比较应有明确维度，例如事实依据、任务完成程度、格式符合性及不确定性表达。不能仅凭篇幅长短或语气流畅决定优劣；两份回答都存在错误时，应允许标记无法形成有效偏好。重要分歧保留仲裁意见，以便追查规则是否存在歧义。

划分数据时防止相近内容泄漏

同一文档产生的改写问题、同一会话拆出的多个样本，可能具有很高相似性。划分训练和评估数据时，要按来源或业务单元检查关联关系，避免把近似样本分散后夸大效果。样本增补、去重和规则调整都应形成版本记录。

交付清单与质检口径

至少提供字段字典、格式样例、样本数量及类别分布、异常清单、标注规则、抽检记录和数据版本。质检区分格式错误、任务不匹配、事实错误与偏好分歧，约定返修方式。国云资料提及指令及偏好样本构建能力，具体服务范围仍按数据类型和项目需求确定，不承诺仅凭数据量即可改善模型。

相关能力与下一步

北京瑞铭安普可结合业务范围、既有系统和合作产品组织方案评估。准备当前流程、数据或设备清单后，可进一步核对相关产品与实施能力，明确实际采购范围与交付责任。