AI业务评测集不应由供应商临时挑几份“识别得很好”的采购单组成。典型企业采购流程中，旧版表单和新版表单常会并存，扫描件可能缺页，金额栏也可能同时出现税前与含税数值。若只测清晰的标准样本，系统上线后才会把模糊字段当成确定答案。采购方应先规定哪些资料允许自动处理，哪些必须人工确认；没有这条边界，任何总体正确率都难以签字。
从业务结果倒推样本类别
先选采购方确实会遇到的资料类型，再讨论数量。采购单字段映射要说明原件中的“供应商名称、用途、金额、项目归属”如何对应现有系统。扫描件识别要包括印章遮挡、图片倾斜和缺页；这些不是为了刁难模型，而是为了知道系统何时该停。样本应使用脱敏或模拟资料，不能把真实账号、合同原件和个人信息随意交给测试环境。
| 样本层 | 期望处理 | 采购方核对点 |
|---|---|---|
| 格式稳定、字段完整 | 提取并等待确认 | 字段与原件位置对应 |
| 两个金额候选 | 标出冲突，交人选择 | 不擅自确定付款金额 |
| 缺页或无法识别 | 退回或补件 | 提示原因、保留原始任务 |
| 旧表与新表混用 | 按版本映射 | 不能把旧字段写进新位置 |
别让测试集在上线前被“背熟”
异常样本分层后，采购方可把样本分为调试用与最终验收用两组。供应商看得到调试组及错误反馈，但最终组在双方确认测试规则后再现场运行。这样不是追求神秘分数，而是避免针对几张固定表单写特殊规则。每个失败样本都要保留输入版本、预期字段、实际结果、处理人和修复记录；复测时才能判断修改有没有破坏原来能处理的资料。
不要把“整份单据是否识别成功”作为唯一分数。供应商可能识别了大部分字段，却把一个关键金额写错。采购方可把字段按业务后果分层：付款金额、供应商主体和项目归属属于必须由人确认或严格复核的项目；备注错字则不一定阻断业务。每层样本要写明错误后的处理动作，合同才能区分阻断问题和可排期改进的问题。
采购单改版后谁维护
评测集版本不是研发部门的私人文件。表单新增审批项目或改了金额口径，业务负责人应确认新字段与旧字段的对应关系，开发方再更新抽取配置并回归测试。合同可写清谁提供新样本、谁批准规则、由谁复测，以及是否计入维护范围。业务方没有稳定表单时，不宜承诺一次开发后长期无需维护。
报价与周期要把样本准备算进去
扫描件质量、资料种类和目标系统接口，都会影响整理与联调工作。单按“识别多少份”报价容易漏掉字段口径、人工复核界面和错误回退。华慕科技的 AI 软件开发服务可以从资料范围与验收动作评估首期方案；这里提供的是采购评估方法，并非既有客户项目结果。若采购的是问答型知识库，而非单据抽取，可对照 知识库评测样本的做法区分两类测试任务。
试运行后新增表单时，也不能悄悄替换原评测集。较稳妥的办法是保留旧版本、记录新版本带来的字段变化，并同时复测新旧资料。这样企业能看出一次修复究竟扩大了覆盖范围，还是让原来能处理的旧单据失效。没有内部人员持续维护样本的企业，先减少首期表单类型，比追求一个漂亮的“总体识别率”更可控。
准备采购时，先整理几种已脱敏的旧版、新版和失败单据，标注哪些字段必须由人确认，再把资料说明发给 华慕科技。初步评估可以明确首期支持的表单范围、样本准备量、接口条件、维护责任和可签字的复测方式。
作者：小周研说 | 本文由华慕科技原创（www.huamux.com）。商业转载请联系主动联系我们，非商业转载请标明出处
