展开本页目录
开始前准备什么
- 独立练习目录及Python 3.14;系统与Node依赖以README为准。
- 离线重放无需Key;新请求使用自己的apizt Key,先核对模型权限和当前价格。
- 原创合成材料,不需要登录第三方平台账号。
- 先看文件
- 按步骤操作
- 对照真实结果
- 离线或模型复跑
默认离线重放;包含完整失败尝试与本地检查,不含Key。
1. 核对本例材料与目标文件
参见本批TOPIC-RESEARCH.md同编号新增边界,原生小样与负例均独立交付。
先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留;本地核对答案不发送给模型。
input.json(节选)
{
"examples": [
{
"id": "E1",
"text": "常规品签收7天内可退。"
},
{
"id": "E2",
"text": "发票抬头可以在开票前修改。"
},
{
"id": "E3",
"text": "北京仓周末暂停发货。"
},
{
"id": "E4",
"text": "轻杯容量为300毫升。"
},
{
"id": "E5",
"text": "试用模板共3份。"
},
{
"id": "E6",
"text": "资料可离线查看。"
}
],
"holdout": [
{
"id": "H1",
"text": "常规品签收7天内可退。"
},
{
"id": "H2",
"text": "开出发票以前,能够更换抬头。"
},
{
"id": "H3",
"text": "上海仓周一开始配送。"
},
{
"id": "H4",
"text": "大杯容量是500毫升。"
},
{
"id": "H5",
"text": "模板是否有音频?"
},
{
"id": "H6",
"text": "离线包如何更新?"
}
]
}2. 按顺序完成这项具体操作
本次实际使用Python 3.14,依赖版本固定在资料包。需要LibreOffice或Node的案例请先按README安装对应运行时。python run.py读取真实旧响应完成本地处理;只有显式--live才发新请求。
- 1. 分别保存examples.json和holdout.json,各含六条原创材料,其中H1是完全重复,另有同义改写与同主题但不同事实。
- 2. 让apizt只召回example_id/holdout_id候选对及理由,不允许模型直接删除验收材料。
- 3. 独立进行NFKC、空白和大小写归一后的SHA比较;完全相同的H1自动排除,字符相似度只用于补充召回。
- 4. 把非完全重复的高相似项或模型候选隔离待人工语义复核,不把相似度阈值或模型意见当作确证。
- 5. 生成leakage-review.csv和holdout-clean.json,核对清洁集没有已排除或待复核ID,并保留每项理由;本例不声称发现真实训练集泄漏。
独立练习目录 · 默认仅离线复核
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py3. 对照真正发送的请求
只输出JSON:candidates数组,每项example_id、holdout_id、reason。找完全重复或同意改写的候选,不能因为同一主题就判定重复。候选留人工复核,不自行删数据。
网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。
request-1.json(图片Base64省略,原文件在下载包)
{
"model": "gemini-2.5-flash-lite",
"messages": [
{
"role": "system",
"content": "严格只输出单个JSON对象,不要Markdown代码围栏,不要解释。只输出JSON:candidates数组,每项example_id、holdout_id、reason。找完全重复或同意改写的候选,不能因为同一主题就判定重复。候选留人工复核,不自行删数据。"
},
{
"role": "user",
"content": "任务约束(只输出JSON对象,不用代码围栏):\n只输出JSON:candidates数组,每项example_id、holdout_id、reason。找完全重复或同意改写的候选,不能因为同一主题就判定重复。候选留人工复核,不自行删数据。\n待处理合成材料:\n{\"examples\": [{\"id\": \"E1\", \"text\": \"常规品签收7天内可退。\"}, {\"id\": \"E2\", \"text\": \"发票抬头可以在开票前修改。\"}, {\"id\": \"E3\", \"text\": \"北京仓周末暂停发货。\"}, {\"id\": \"E4\", \"text\": \"轻杯容量为300毫升。\"}, {\"id\": \"E5\", \"text\": \"试用模板共3份。\"}, {\"id\": \"E6\", \"text\": \"资料可离线查看。\"}], \"holdout\": [{\"id\": \"H1\", \"text\": \"常规品签收7天内可退。\"}, {\"id\": \"H2\", \"text\": \"开出发票以前,能够更换抬头。\"}, {\"id\": \"H3\", \"text\": \"上海仓周一开始配送。\"}, {\"id\": \"H4\", \"text\": \"大杯容量是500毫升。\"}, {\"id\": \"H5\", \"text\": \"模板是否有音频?\"}, {\"id\": \"H6\", \"text\": \"离线包如何更新?\"}]}"
}
],
"temperature": 0,
"max_tokens": 1536,
"provider": {
"sort": "success_rate"
},
"response_format": {
"type": "json_object"
}
}4. 查看原生处理代码与实际文件
下面节选来自本次实际执行的workflow.py分支,需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。
具体产物:leakage-review.csv、holdout-clean.json。
workflow.py · 本例分支节选
ex = {r['id']: r['text'] for r in original['examples']}
hold = {r['id']: r['text'] for r in original['holdout']}
modelpairs = {(r.get('example_id'), r.get('holdout_id')) for r in output.get('candidates', [])}
check('模型候选只引用既有样例与验收ID', all((a in ex and z in hold for a, z in modelpairs)))
rows = []
exact_hold = set()
quarantine = set()
for eid, etext in ex.items():
for hid, htext in hold.items():
same = hashlib.sha256(norm(etext).encode()).hexdigest() == hashlib.sha256(norm(htext).encode()).hexdigest()
sim = SequenceMatcher(None, norm(etext), norm(htext)).ratio()
candidate = (eid, hid) in modelpairs
if same or sim >= 0.65 or candidate:
action = 'remove exact duplicate' if same else 'quarantine for human semantic review'
rows.append({'example_id': eid, 'holdout_id': hid, 'same_normalized_sha': same, 'character_similarity': round(sim, 4), 'model_candidate': candidate, 'action': action})
if same:
exact_hold.add(hid)
else:
quarantine.add(hid)
clean = [r for r in original['holdout'] if r['id'] not in exact_hold | quarantine]
check('完全重复H1由独立哈希检查发现', 'H1' in exact_hold)
check('模型候选不直接当成确证删除', all((r['action'] != 'remove exact duplicate' or r['same_normalized_sha'] for r in rows)))
check('清洁验收集不含自动删除或待人工项', not {r['id'] for r in clean} & (exact_hold | quarantine))
write_csv(artifact('leakage-review.csv'), rows, ['example_id', 'holdout_id', 'same_normalized_sha', 'character_similarity', 'model_candidate', 'action'])
dump(artifact('holdout-clean.json'), clean)
result = {'exactRemoved': sorted(exact_hold), 'quarantined': sorted(quarantine), 'cleanIds': [r['id'] for r in clean], 'rows': rows, 'similarityIsNotDuplicateProof': True}5. 对照真实结果和检查表
实测2026-10-25T07:55:56.946580+00:00,HTTP200;请求gemini-2.5-flash-lite,返回gemini-2.5-flash-lite。本次6/6项检查通过,指本例执行及验收机制通过,不代表所有模型字段零误差。
最后一次返回用量439tokens;1份尝试记录的已知用量合计439。失败记录保留,用量缺失不按0计,本文不推算实际金额。
| 实际检查 | 结果 |
|---|---|
| 真实apizt API响应HTTP200 | 通过 |
| 模型候选只引用既有样例与验收ID | 通过 |
| 完全重复H1由独立哈希检查发现 | 通过 |
| 模型候选不直接当成确证删除 | 通过 |
| 清洁验收集不含自动删除或待人工项 | 通过 |
| 列出的原生产物实际存在 | 通过 |
- 实际检查
- 真实apizt API响应HTTP200
- 结果
- 通过
- 实际检查
- 模型候选只引用既有样例与验收ID
- 结果
- 通过
- 实际检查
- 完全重复H1由独立哈希检查发现
- 结果
- 通过
- 实际检查
- 模型候选不直接当成确证删除
- 结果
- 通过
- 实际检查
- 清洁验收集不含自动删除或待人工项
- 结果
- 通过
- 实际检查
- 列出的原生产物实际存在
- 结果
- 通过
result.json · 原生处理后实际结果
{
"exactRemoved": [
"H1"
],
"quarantined": [
"H2",
"H4"
],
"cleanIds": [
"H3",
"H5",
"H6"
],
"rows": [
{
"example_id": "E1",
"holdout_id": "H1",
"same_normalized_sha": true,
"character_similarity": 1.0,
"model_candidate": true,
"action": "remove exact duplicate"
},
{
"example_id": "E2",
"holdout_id": "H2",
"same_normalized_sha": false,
"character_similarity": 0.3704,
"model_candidate": true,
"action": "quarantine for human semantic review"
},
{
"example_id": "E4",
"holdout_id": "H4",
"same_normalized_sha": false,
"character_similarity": 0.7273,
"model_candidate": false,
"action": "quarantine for human semantic review"
}
],
"similarityIsNotDuplicateProof": true
}6. 替换输入前,先确认这些边界
字符相似度和模型建议只召回候选;同义项隔离待人工判断,不自动当成泄漏确证。
修改材料后应重新制定事实断言和反例。识别错误率、混淆矩阵或拒答类教程允许保留模型实际错误;检查通过指计算和处理正确。没有调用视频模型。
怎样确认已经完成
- 真实apizt API响应HTTP200
- 模型候选只引用既有样例与验收ID
- 完全重复H1由独立哈希检查发现
- 模型候选不直接当成确证删除
- 清洁验收集不含自动删除或待人工项
- 列出的原生产物实际存在
常见问题
AI 测试集 重复 泄漏怎么开始?
分别保存examples.json和holdout.json,各含六条原创材料,其中H1是完全重复,另有同义改写与同主题但不同事实。按本页顺序继续,先用下载包离线重放,再替换自己的材料。
网页试跑和下载包有什么区别?
网页只复跑模型字段,不生成全部原生文件;资料包包含实际原生处理和本地验收。
这次通过结果适用于其他材料吗?
字符相似度和模型建议只召回候选;同义项隔离待人工判断,不自动当成泄漏确证。


