黄金数据集生成方法

桥接说明：黄金数据集构建的方法论（评估设计、judge 校准、CI 接入）canonical 在 evals.zenheart.site 的 Golden Dataset 章节；本页只保留案例级叙事。

核心要点

1. 黄金数据集的核心特征：覆盖真实场景的高频 case、包含边界和异常 case、质量高于数量
2. LLM 生成 + 人工验证：用 LLM 批量生成候选数据集，人工标注或 Review 筛选高质量样本
3. 对抗性挖掘：主动构造模型容易出错的 case（如：歧义词、复杂逻辑、罕见边界条件）补充数据集
4. 数据增强：对已有高质量样本做同义词替换、结构变换等扩增，以少量人工标注获得大量训练数据
5. 质量评估：用黄金数据集评估模型，通过错例分析反向指导 Prompt 优化和模型选择

整理自任务"整理黄金数据集生成方法"

主线关联：何时需要评估证据、如何接入上线门，见评估（桥接）。