上一篇说到，地质行业数据功课的落差，卡在"没有数据集"这三个字上。不少单位的第一反应是：我们数据不少啊，几十年的报告、几十万条监测记录。但这里有个普遍的误会——数据量大，从来不等于数据质量高。一千万条水位记录，如果孔号有五种写法、基准面有三种，对模型来说不是知识，是噪声。这一篇，把高质量数据集的定义和判断标准一次讲清。

先分清三样东西：资料、数据、数据集

用岩芯打比方最直观。资料是岩芯本身，第一手证据，只有受过训练的人能读；数据是岩芯编录表，孔深、岩性、采取率一格一格填好，可以统计、可以入库；数据集则是在此基础上，还知道每一格的依据是什么、谁编的、有没有复核，并按统一口径组织好、能直接拿去训练或评测模型的一批记录。一句话概括：资料是给人看的，数据是给软件算的，数据集是给模型学的。模型靠从大量样例中找规律来学习，所以它需要的不仅是内容正确，还要口径统一、来源可查、对错有人判过——这三件事，恰恰是传统数据库时代没有做的。

四个硬条件，缺一不可

判断一份数据集合不合格，看四条。一是可计算：关键信息结构化、字段化，能用一句查询把"全区揭露某地层的钻孔"拉出来，而不是埋在报告段落里。二是可分析：同一种东西全库一个名字、一套口径，标注齐全，能做跨记录的关联和统计。三是可追溯：每条数据都能回答从哪来、何时采、经过哪些处理——专业说法叫数据谱系，它是判断"这条界线凭什么信"的唯一依据。四是可验证：质量有量化门限，能对照任务效果检验，而不是凭一句"专家看过"。

从形容词到验收单

这四个条件并不是凭空提出。2026年10月，中国信通院联合有关单位发布《面向智能体能力构建的高质量数据集建设指南（2026年）》，给出了可直接引用的量化门限：监督微调阶段数据错误率低于1%，字段完整性高于99%，标注一致性高于95%，数据以近两年为主。这组数字的价值在于，它把"高质量"从一个形容词，变成了一张可以签字的验收单——做内部质控、定验收标准、写招标技术要求，都可以直接拿去用。

还要澄清两个常见误会。其一，"清洗干净"不等于高质量——去重、去噪只是及格线，口径统一、标注齐全、来源可查才是主体工程。其二，"专家看过"不等于有质量依据——签字若没有落到"哪几个字段核过、按什么规则核、核出什么问题、怎么改的"，这份质量就不可继承，换个项目同样的错还会再犯。高质量数据集不是清理干净的数据库，也不是更大的语料库，而是有标准、有标注、有质量依据、能支撑任务的数据资产。

那么，花力气建成数据集，对地勘单位的日常工作到底意味着什么？下一篇从四个最常见的痛点讲起。