| 来源 | 公开语料/授权语料/自有数据，逐类留授权依据 |
|---|---|
| 个人信息 | 去标识化、告知同意或匿名化评估 |
| 知识产权 | 版权状态、许可范围（可否用于训练） |
| 标注 | 外包标注员签署协议，数据脱敏后分发 |
语料台账字段（示例）
语料台账字段（示例）
语料集ID / 名称 / 版本
来源：渠道 URL / 供应商 / 内部系统
授权：许可协议 / 授权书编号 / 有效期限
个人信息：是否含 / 处理方式（去标识/匿名化）
用途：预训练 / 微调 / 评测（三用途分别授权）
质检：抽检记录 / 不良内容过滤记录“先训了再说”是最大的合规债：模型权重无法删除某条数据，事后补授权基本做不到，只能重训。