Zovda
大多数数据项目一上来就按规模做，因为规模感觉像进展。然后头一千行告诉你：单位定义错了、字段含糊、有一个类别其实是三个。
这些发现花掉了一千行。它们本可以只花五十行。
五十行能暴露什么
- 单位到底能不能被定义
- 哪些字段是真的填得出来
- 两个标注员会在哪里分歧
- 这个任务在这个形态下值不值得做
这些都不需要体量。而这些在越晚学到越贵。
用手读一遍
五十行是一个下午能读完的量。读一遍、吵一架、在第二批之前把规范重写。
一个从没亲手读过自己数据的项目，是一个跑在假设上的项目。
然后翻倍，翻两次
五十，然后一百，然后两百。每次翻倍都在检验规则在另一种形状下是否成立，而每次的代价都小到可以扔掉。
规模是最后一个决定
体量回答的是「结构定了之后」才该问的问题：要达到目标质量，我们需要多少。先问它，就是为什么项目会买到十倍用不上的数据。
Zovda 通过 Datuva 执行这类项目，第一批小样本和正式生产共用一套结构。语料总目录展示了第一批长什么样。
告诉我们你还在定义什么，我们会在 1 个工作日内回复。