从真实世界到训练数据
01
DATA COLLECTION
数据采集
把场景、设备、覆盖范围与采集要求整理成可执行的计划，让数据来源与任务目标相匹配。
了解数据采集WHO WE ARE
专注数据工作本身， 也关注数据如何被使用。
南昌思玄科技有限公司成立于2022年，以“思玄数据 / sixuandata”为品牌，为 AI 研发、算法与数据团队提供数据采集、数据标注和自动驾驶数据服务。我们从应用场景出发，协助客户明确数据范围、任务规则与交付要求。
我们重视数据工作中的每一处细节：通过需求对齐与小样验证形成统一标准，在执行过程中保留质量检查和问题修订记录，并按批次整理数据、版本与交付说明，让成果便于检查、使用和持续迭代。
HOW WE THINK
把原则落到每一次交付中。
清晰的约定、可复核的结果和及时的反馈，是这套协作方式的共同基础。
- 01
先对齐，再执行
从使用场景出发，明确目标对象、覆盖范围与验收方式，通过小样减少对规则的不同理解。
对应产出需求清单与样例确认 - 02
用记录说明质量
把质量要求拆解为检查项，保留问题与修订记录，让每一次判断都有可回看的依据。
对应产出检查记录与问题清单 - 03
让反馈进入下一批
将使用反馈整理为具体规则，区分当前批次修订与后续规范更新，保持版本和结果一致。
对应产出变更记录与版本说明
WORKING TOGETHER
围绕一份共同的项目规范协作。
项目协调、采集标注、质量复核与数据交付紧密协作，围绕同一份规范推进任务，并按项目范围明确责任与沟通节奏。
共同依据
项目目标 · 数据规范 · 验收要求
从启动到交付，让每个角色使用同一版本的信息。
项目协调
对齐范围、里程碑与沟通事项，整理需求变更和待确认问题。
项目计划 / 决策记录采集与标注
依据规范执行数据任务，记录边界场景与需要澄清的样例。
任务结果 / 问题反馈
质量复核
按照检查口径复核样例与批次，追踪问题修订和复查结果。
检查记录 / 复查结果数据交付
检查文件、格式与清单，整理版本说明和交付范围。
数据文件 / 交付说明项目协作节奏
- 01需求与样例对齐
- 02执行与阶段复核
- 03问题修订与确认
- 04交付与反馈回收