情感视频模型评测
围绕情感指令遵循、情绪强度、人物一致性、动作连续性、画面质量与真实感开展多维评测。
＋GC / AI TRAINER耿冲乐
铸智
以人的判断，磨砺智能之锋。
SYSTEM READYHUMAN JUDGMENT × MODEL ALIGNMENT
01 / PROFILE
AI TRAINER · EMOTIONAL MODEL EVALUATION
让主观的情感表达，成为可判断、可复核、可迭代的模型标准。
我专注于情感类生成模型与多模态数据质量。擅长将“情绪是否自然、人物是否稳定”等模糊需求拆解为 Rubric、问题标签和边界案例，再通过盲评、一致性校准与 Badcase 分析，为模型选型和迭代提供可靠依据。
- 当前状态
- 随时入职
- 工作地点
- 待定
- 学历
- 本科
- 专业方向
- 情感类模型评测 · 多模态数据质量
02 / CAPABILITIES
CORE PROTOCOLS
情感评测，不止是“看起来像”。
从主观情绪判断到稳定量表，兼顾多模态数据、质量控制、错误归因和工具效率。
Rubric 与规则校准
把主观感受拆成可打分、可复核的标准，通过试标、背靠背评测与边界案例持续统一尺度。
＋Badcase 分析
对情绪表达偏差、主体漂移、动作异常和画面失真进行分类、归因与沉淀，推动规则和模型迭代。
＋多模态数据处理
具备图片、文本与视频项目经验，熟悉 Caption 描述、标签分类、训练数据筛选和视频样本评测。
＋质量控制
覆盖试标、正式标注、质检验收、争议样本处理与抽检复盘，用数据追踪一致性和交付质量。
＋工具化提效
通过 Vibe Coding 搭建同屏评测平台、分辨率检测工具和图片采集插件，减少重复操作与人工误差。
＋03 / CASE STUDIES
FIELD RECORDS
把判断落到标准与结果。
重点展示情感视频模型评测，以及多模态训练数据的规则设计、质量控制和工具实践。
CASE 01
重点案例 · 情感视频生成模型评测
把“情绪是否准确”转化为可执行标准
围绕 1,440 条视频样本，将业务需求拆解为指令遵循、人物主体一致性、人体运动连续稳定性、画面质量与真实感等维度，并按情感类型、强度和人物场景构建分层评测集。通过 Vibe Coding 搭建轻量级标注平台，将视频、提示词、多维评分与问题标记整合至同一页面，并加入评分标准、问题标签、自动保存和结果汇总功能；减少页面切换与重复填写，使人效由 3 条/小时提升至 4 条/小时，提升约 33.3%。CASE 02
多模态质量控制 · 人物图片
50 万级人物图片筛选与质检
将模糊的图片筛选需求转化为分类、交付和验收标准，通过自动校验、风险分级抽检和低质图片前置过滤提高数据一致性。标注准确率由 70% 提升至 95%；一次通过率提升 25 个百分点；返工率下降 20%。CASE 03
训练数据生产 · Caption 与标签
服装图片 Caption 结构化与采集提效
负责标签体系拆解、规范制定、边界案例补充和 BPO 答疑，推动自由描述向结构化字段输出，并开发网页图片批量采集插件。插件单次可采集 100–300 张图片，单图处理由 1–2 分钟缩短至 5–10 秒；结构化方案指标为项目预估，非已验收成果。04 / EVALUATION PORTFOLIO
EMOTIONAL VIDEO EVALUATION
评测作品集
十二个约 5 秒的个人概念作品，按单主体、交互连续性与多人复杂剧情分为三个难度页面。
05 / WORKFLOW
TRAINING SEQUENCE
从模糊问题到稳定标准。
- 01
需求解析
定义目标、受众与失败成本
- 02
标准设计
建立评分维度与边界规则
- 03
样本构建
覆盖典型、困难与对抗场景
- 04
一致性检查
校准判断并追踪分歧来源
- 05
错误分析
聚类问题并定位根因
- 06
迭代验证
复测改进并沉淀可复用规范
FIELD NOTES / INSIGHTS
FIELD NOTES