[34] Datasheets for Datasets：数据集要像产品说明书一样可追溯

• 资料类型：论文/方法论
• 原始来源：https://arxiv.org/abs/1803.09010
• 对应章节：第 13 章（数据收集与清洗）、第 20 章（合规与伦理）

一句话

你要先搞清楚数据从哪来、能不能用、会不会害你，再谈模型效果。

你该从 Datasheets 带走什么

• 数据也要版本化：来源、采集时间、许可、采样方式、去重与过滤策略都要写清楚。
• 对风险要诚实：偏差、缺失、污染、隐私/PII 风险是数据的一部分，不写出来会在上线时爆雷。

在本书里怎么用

• 第 1 章的问题—证据矩阵必须绑定数据卡片（否则评审无法复核）。
• 第 8 章的数据管线把数据卡片生成当作产物，而不是额外文档。

常见误用

• 只记录采集了多少数据，不记录哪些数据不该用/不能用于决策。