选型两项：任务与基座
先确认任务边界是否清楚、输出格式是否可枚举，再看基座模型的许可证是否允许商用与二次分发。许可证与备案责任由客户方确认，选型文档里要写明模型来源、版本与授权依据，避免上线后被动换模型。
数据两项：来源与切分
检查每条样本能否追溯到授权来源，以及训练、验证、留出三份数据是否按时间或客户隔离。切分一旦被污染，后面所有指标都不可信，宁可少训一轮也要先修数据，否则验收结论没有意义，返工还会连带文档重写。
训练评测两项：复现与盲评
训练侧要求参数、数据版本、评测脚本可复现；评测侧要求业务盲评，覆盖正常、边界、拒答与敏感四类样本。只看自动指标不看盲评，会把格式正确但内容错误的输出当成合格，风险被指标掩盖，最后在客户侧暴露。
上线运营两项：灰度与监测
灰度要设流量比例、观察期与回滚触发条件；上线后要有错误分类台账与月度回归。没有监测的模型会在数据分布变化后悄悄退化，等到业务投诉才发现，代价是重新走一遍训练与验收，时间与信任都要再付一次。
清单要当闸门用
八项检查不是一次性表格，而是阶段闸门：每项写清负责人、证据材料与不通过时的处理动作。过会时逐项出示证据，缺证据即视为未通过；这套机制比任何单点技术优化都更能保证项目不烂尾，也便于交接。
适用与不适用
适合谁
- 准备启动微调项目、需要过会材料的企业
- 已有一个微调原型需要决定是否上线
- 需要向管理层说明风险控制的负责人
不适合谁
- 只想快速试一下、不设验收环节的团队
- 把清单当形式、不留证据材料的项目
典型场景
某出版机构的内容合规改写项目进入上线评审。项目组按八项检查逐条出示证据：许可证截图、样本来源清单、切分脚本、盲评记录、灰度方案与监测看板；其中数据切分一项因两份材料重复被判定不通过，项目延后一周修数据。
可执行步骤
- 按四组八项列出负责人、证据清单与截止时间，逐条贴到项目看板，每周对一次
- 选型组先出许可证核查结论与任务边界说明，并附上授权依据原文与版本号
- 数据组出示来源清单与切分脚本，供评审现场随机抽查，并留存复核记录文本
- 评测组提交盲评记录与错误分类统计，逐类说明样本覆盖与漏项，现场答疑
- 上线组确认灰度比例、观察期与回滚条件，再安排过会表决，会议纪要归档
常见坑
- 把八项检查做成一张打勾表，没有证据材料，过会变成走过场，问题留到上线后才暴露出来，成本也随之后移。
- 跳过许可证核查，上线后收到授权质疑，只能临时换模型并重做全部评测，工期无法追回，客户信任也受损。
- 灰度期只看有没有报错，不看输出质量分布，退化往往在两周后才被发现，样本已被污染，只能整批重测。
- 监测只统计调用量，不建错误分类台账，无法判断退化来自数据、模型还是提示，只能整体回退，排障耗时翻倍。
自检与验收清单
- 每项检查是否有明确负责人与证据材料，缺一不可
- 基座许可证与商用范围是否确认，并留档备查可追溯
- 三份数据是否相互隔离，且每条样本可追溯来源
- 盲评是否覆盖边界、拒答与敏感三类样本，并留记录
- 灰度比例与回滚触发条件是否量化到具体数值
常见问题
八项检查要一次全做完吗？
不需要一次做完，但要按阶段过闸。选型与数据两项在训练前完成，训练评测在灰度前完成，上线运营在正式放量前完成；顺序颠倒会让返工成本成倍增加，也容易留下证据缺口。
没有专职项目经理怎么推进？
可以把八项检查挂到现有研发流程里，由业务负责人做总协调，每周用半小时对一次证据清单。关键是有人对闸门负责，而不是新增一套文档体系，否则清单很快会变成负担。
检查清单能保证微调成功吗？
不能保证效果，但能避免低级失败：数据污染、许可证问题、无回滚、无监测。效果仍取决于任务选择与样本质量，清单的作用是让失败可发现、可止损、可交接，也让后续维护的人知道边界在哪。