annotation case用户同时表达退款诉求与不满情绪，主标签如何确定？
LEVEL 03样本文本：用户要求退款，同时表达对处理速度不满。当前任务要求先识别 业务主意图，再记录可选的 情绪维度。
AI 标注能力练习、复盘、再进入下一组
面向中文学习者和标注实践者，把 NER、语音分段、质检复盘、模型评测与图像视频边界，整理成可练、可复盘、可保存的本地学习工具。
先懂规则标签层级与任务说明
再做模拟85 道全量复核题
最后复盘复制本地学习报告
浏览器本地记录，不接入登录、邮箱或数据库 原创模拟与转写训练，不承诺考试、岗位或收益结果
训练样本 / 文本标注基础
练习不是刷题，是训练判断过程
每一道原创模拟题都要能回到“题目、解析、错因、规范”四件事，学习者才知道自己为什么对、为什么错。
当文本里同时出现退款诉求和负面情绪，应该如何处理？
任务说明要求主标签用于业务意图，辅助维度用于情绪记录。请判断当前样本的标注策略。
解析：先看任务目标和标签层级。当前样本的业务动作是退款，情绪是辅助信息；如果任务允许多维标注，再记录情绪维度。
质检复盘
质检复盘让学习有记忆点
把“错了”转化成可追踪的能力短板：标签边界、标注一致性、漏标误标、规则冲突、低质量数据和审核流程。
01
定位错误
把错误拆成边界偏差、规则遗漏、样本理解和流程问题。
02
回看规范
把题目解析连接到标签定义、排除条件和示例卡片。
03
二次练习
推送同类但不同文本的原创模拟题，验证是否真正掌握。
五个学习模块覆盖主线任务
题库、专题页、练习队列和学习报告都按模块组织，避免 80+ 道题堆成无序列表。
NER 标注基础
- 稳定判断实体边界、泛称词、数值属性和回答相关性。
- 实体边界 / 泛称误标 / 事实不一致
- 完成 10 道以上实体边界题，并能复述错题对应的标签规则。
Cosmos 音频分段
- 识别语音助手交互中的触发词、相关追问、停顿和重叠边界。
- 分段过细 / 分段过粗 / 未回答问题
- 完成所有 Cosmos 分段题，并能解释触发词、相关追问和无关请求的边界差异。
质检复盘
- 把标注错误拆成证据、规则、影响范围和返修动作。
- 事实不一致 / 未回答问题 / 泛称误标
- 能为至少 3 类错因写出可返修备注，包含证据、规范依据和下一步。
模型评测
- 用帮助性、事实性、安全边界和偏好排序标准评估回答质量。
- 事实不一致 / 未回答问题 / 实体边界
- 完成 8 道以上评测相关题，并能说明每道错题的评分维度。
图像/视频边界
- 处理图像框选、遮挡、小目标、事件开始帧和结束帧边界。
- 实体边界 / 分段过粗 / 分段过细
- 完成图像/视频边界题，并能说明遮挡、截断、重复动作和不确定边界的处理方式。
把搜索问题变成可练习页面
新手入门、能力训练和职业转化页面都按“摘要答案、关键要点、原创案例、内容边界、下一步练习”组织，方便搜索引擎和生成式引擎理解与引用。
新手入门
AI 标注入门学习路线
AI 标注入门不应该先背术语，而应先理解任务目标、标签定义、样本证据和质检反馈，再用原创模拟题形成稳定判断。
进入页面职业转化人工智能训练师能力清单
人工智能训练师的核心不是会用某个工具，而是能稳定理解任务、发现数据问题、评价模型回答并写出可执行反馈。
进入页面职业转化数据标注员需要掌握什么
数据标注员需要掌握任务说明阅读、标签边界判断、样本证据记录、一致性检查和基础返修沟通。
进入页面能力训练NER 实体标注常见错误
NER 常见错误通常不是不会找词，而是没有按任务定义拆实体、排除泛称、处理相邻短语和核对数值属性。
进入页面能力训练数据质检员如何判断标注质量
判断标注质量要看错误是否有证据、是否违反任务规则、是否影响批次一致性，以及返修建议是否可执行。
进入页面能力训练模型评测与人工反馈基础
模型评测要把回答拆成帮助性、事实性、完整性、安全边界和格式可用性，再给出可复述的偏好理由。
进入页面能力训练图像/视频标注边界怎么判断
图像/视频边界判断要服从任务说明：可见边界不补全，事件区间不扩大，不确定位置要记录而不是猜测。
进入页面新手入门AI 标注练习题使用说明
使用练习题时，应先选学习目标，再做一组题，提交后看解析，最后到复盘页查看本地错因和推荐模块。
进入页面