Zovda
数据集常常分档卖，而档与档的差别通常没有写清楚。买家比两个数字，假设那个差是质量，而它可能是覆盖、可能是新鲜度、也可能是服务。
一个档位只有在说清楚「变的是什么」时才有意义。
值得分档的三根轴
- 密度：有多少比例过了更严的复核
- 新鲜度：这些行是多久之前收集或核验的
- 广度：包含多少类别、语言、来源
三根轴一起分档，会产出一个没人能比的矩阵。每个产品选一根。
说清高档多了什么
「高级版」不是规格。如果高档是双重复核，就说双重复核，给出每一档的通过率，让买家自己去算这个差价。
留一个共同内核
如果每一档来自不同的集合，那是三个产品，不是三个档。一个共同内核加上追加，比较才有意义。
公布通过率
让分档诚实的那一个数字，是每一档在一个声明过的检查上的通过率。没有它，差价是一个营销决定，不是一个测量结果。
Zovda 通过 Datuva 交付每一批数据时，按档写明复核率和覆盖面。语料总目录说明了每一类是怎么被描述的。
告诉我们哪根轴对你的训练最要紧，我们会在 1 个工作日内回复。