7.1.2 自动数据标注与生成

文档摘要

7.1.2 自动数据标注与生成在工业级自动数据标注系统中，最常被低估、却最致命的瓶颈，从来不是模型有多强，也不是算力有多足——而是标注置信度与真实标签一致性之间的断层。我们训练一个视觉大模型去识别产线上的微小焊点缺陷，它给出 0.92 的置信分；我们把它喂进标注流水线，自动打上“Defect: True”；三天后质检员抽样复核，发现其中 37% 的样本，人眼根本看不出异常——它们只是光照不均导致的纹理扰动。那一刻，你不是在部署一个AI标注器，而是在给产线埋雷。这就是我今天要拆解的硬核细节：如何用不确定性校准（Uncertainty Calibration）重构自动标注的决策边界，让模型不仅“猜得对”，更要“知道自己猜得有多稳”。