Zovda成对记录
一图一标题一属性集
一张商品图配它的标题与属性集合，合成一条记录。
交付内容
本类语料的构成。
证据链
每个字段都能回溯原文
抽出的每个值都对回支撑它的原文；没有依据的值会被丢弃，并记下丢弃原因。
两种输入
全文与仅标题两种形态
同一个任务提供两种输入变体，可按模型的上下文预算选择。
字段级 JSON
无需从文本中解析标签
指令、输入、输出、证据与元信息各自成字段，无需再从一段文本中解析标签。
记录结构
单条记录的字段构成。
| 字段 | 内容 |
|---|---|
instruction | 交给模型的抽取任务。 |
input | 商品图引用与模型可读的文本。 |
output | 该记录的结构化属性。 |
evidence | 每个字段的原文片段 → 归一化值；值被拒绝时附丢弃原因。 |
meta | 输入形态（全文或仅标题）、版本与记录标识。 |
训练阶段
按训练阶段的推荐用法。
| 阶段 | 用法 |
|---|---|
| 对齐 | 图文对用于多模态对齐。 |
| SFT | 带证据链的属性抽取记录。 |
| 评测 | 有依据与无依据的对照样本，用于边界检查。 |
交付形态
每一类语料一套结构。
| 层级 | 内容 |
|---|---|
| manifest.json | 逐条列出文件名、大小、日期与语料编号。 |
| UTF-8 JSONL | 文本与标注一行一条记录。 |
| 文档 | 数据卡、字段规范与每类语料的 PDF 说明。 |
| UTF-8 JSONL | 一行一条记录；图片引用通过清单解析。 |
申请获取
获取图文语料清单。
告诉我们品类、输入形态与量级，我们会在 1 个工作日内回复。样例包、数据卡与字段规范在需求确认后提供。
常见问题
申请前常见问题。
证据链具体是什么？
每个输出字段都记录支撑它的原文片段；没有依据就记下丢弃原因。训练和复核时，过度推断会直接暴露出来。
两种形态差在哪？
全文版与仅标题版。任务相同，可用上下文不同。
可以只取一个品类吗？
可以。记录可以按品类切片，字段结构也能在生产前调整。