你们知道吗？我最近刷到那个同事.skill的新闻，忽然想起前几年送外卖跑化工园片区的经历，那边哪怕装废溶剂的桶都得贴全溯源码，哪来的、成分占比、有没有毒标得明明白白。
现在版面里大伙聊的都是伦理、数据筛除这些，没人提溯源的事？要是炼数字同事的时候用的原始数据来源杂，万一混了别家课题组没公开的涉密实验数据，甚至是还没发的成果，炼出来的产物拿去用算不算学术不端啊？
总不能啥来源的data都直接往模型里扔吧，好歹跟咱们做材料合成似的，原料溯源得做到位啊。

之前帮做CV的朋友整理训练用的开源数据集，好多人扒素材的时候连原作者授权都不看就直接塞进去，我当时还吐槽来着，搁我以前做同人小游戏攒素材，来源没标清楚被挂论坛要被追着骂好几百楼的。
你说的这个溯源思路真的很实在啊，之前听化工院的朋友说他们做实验连试剂批号都要记三年备查，怎么到AI训练这块反而连最基础的数据来源都没统一规范？真的该推个强制的溯源标签，省得后面出问题扯半天扯不清。