qa BasicAI 标注数据质检实现方案 BasicAI 是全球首个开源多模态训练数据平台，通过提供 AI 赋能的软件工具、数万项目提炼的本体中心和丰富的数据治理特性，来加速多模态训练数据的处理效率，进而提高 AI 工程师的建模效率。 业务背景在现今 AI 大模型流行的时代，大部分算法都是开源的，用于训练模型的标注数据的质量变得尤为重要。要想得到高质量的人工标注数据，需要对标注数据进行全方位质检，比如检查标注对象属性是否缺失、标注对象大小是否满足需求、标注对象重叠程度等。标注对象数据量非常大，一个包含 100 万个 Data 的数据集，假设每个 Data 标注出 30 个对象，那么就会产生 3000 万个对象，对于拥有成千上万数据集的 BasicAI SaaS，很容易就会达到百亿，甚至千亿级别。要对这么大的数据量进行分析，只能求助于大数据系统，然而传统的基于 Hadoop 生态的大数据系统过于复杂，不适合小团队和简单业务场景，经过调研分析，最终我们选择了 Doris 这款 OLAP
format BasicAI 标注数据格式规范 AI 的两大基石是算法和数据，BasicAI 作为一个 AI 数据标注平台，存在许多复杂结构的数据，这些数据基本都是半结构化的 JSON。本文讲解了 BasicAI 核心的 Data、Dataset、Classification、Class、Object 等对象的数据结构，以便第三方系统对接 BasicAI 平台，或者业内同行参考。
performance BasicAI 工作流标注绩效实现方案 BasicAI SaaS 的工作流标注是为了满足专业的标注团队对大量数据进行标注，既然是团队工作，那么就需要监管团队成员的工作进度和质量，也就是工作绩效管理。由于工作绩效需要细到标注对象（Object）的粒度，并且还需要按工作阶段和时间周期统计，导致计算逻辑非常复杂，并且计算量也很大。工作绩效还用于给标注人员结算工资，因此其准确性要求也很高。
storage BasicAI 海量标注数据存储方案 BasicAI 作为一个支持多租户的 AI 标注 SaaS 平台，在人工手动标注和模型自动标注的过程中会产生海量的标注结果。产品功能上的需求导致单个用户操作就会加载和提交成千上万的记录，或者拷贝几十上百万的记录，对后端存储的挑战非常大。本文讲述了一种解决海量标注结果存储的方案，以供大家参考。
architecture BasicAI 技术架构 BasicAI Cloud 是一个以数据为中心的 MLOps 平台，可用于快速开发和迭代 AI 模型，功能覆盖从数据集管理、数据标注、数据治理、模型训练，直到模型推理的整个 AI 生命周期，支持点云、图片、文本、音频、视频等各类数据标注。
