标、规则及要求；对标注团队实施有效管理和专业培训；保障标注环境的安全性，实施严格 的权限管理，记录数据访问和操作行为；实施质量审查机制，及时发现并纠正标注错误，通 过复核确保标注质量达到行业高标准。 （3）数据集安全检测与筛选。对训练数据集进行全面安全检测，包括违法不良信息筛 查、数据多样性评估、数据投毒污染检测以及隐私保护检测，确保数据集中不含高危敏感 信息，符合数据安全和个人信息保 （1）技术平台介绍 信美的大模型平台底层架构是一个综合性的解决方案，由三个关键部分组成，包括基 础大模型、RAG、Fine-tune。这一架构的设计初衷是为了满足信美对于数据处理和知识应 用的高标准要求，确保系统能够在不断变化的业务环境中保持领先。 首先，基础大模型作为平台的基石，扮演着至关重要的角色。信美接入了多家目前市 场主流的通用大模型，具体实践来看，多个模型的组合可以实现更好的能力。具体选择会

安全性是另一项必须重视的非功能需求。系统需要实现严格的 访问控制，确保只有授权人员可以访问敏感数据。使用多层次的安 全机制（如身份验证、加密传输等），可以有效地防止未授权访 问。数据存储和传输中应采用高标准的加密措施，确保视频数据和 分析结果的安全性。 在系统维护方面，设定合理的可维护性要求同样重要。系统应 设计为模块化架构，便于分别更新和维护各个组件。应制定定期检 查与维护计划，以确保系统始终处于良好状态，并及时修复潜在的

成等领域的专业人士。技术评审的主要目标是验证设计的合理性和 可行性，确保设计满足项目需求。 技术评审主要从以下几个方面进行：  技术可行性评估：分析关键技术是否成熟，功耗、延迟、吞吐 量等是否满足轨道交通行业的高标准要求。  系统整合性：检查新设计是否与现有的轨道交通系统架构兼 容，包括硬件和软件的适配问题。  数据安全性：评估数据采集与处理过程中的隐私保护与安全风 险，确保设计方案符合相关法律法规。