数据与标注规范要一起交
只交模型不交数据规范，后续无法扩充样本，也无法判断新数据是否符合原有口径。规范里应写明样本来源、字段定义、正负例边界与常见争议的处理方式，这些内容决定下一轮训练能否顺利开展，也决定效果能否稳定复现。
训练配置决定可复现性
基座模型版本、超参数、数据配比与随机种子都应记录并可复现。缺少配置时，同样的数据也未必训出同样的效果，团队只能在黑箱上做试验；有了配置，问题定位与迭代速度都能提升，交接也更顺畅。
评测报告要有基线对比
报告应展示基线模型与微调模型在同一批样本上的表现，按错误类型分组对比，并附人工盲评结论。只有绝对分数没有对比的报告无法说明微调是否真的带来收益，也无法判断收益是否值得持续投入。
推理服务与容量说明
私有化交付要包含推理服务的部署脚本、显存占用、并发能力与超时设置。容量说明缺失时，业务方容易按理想情况规划并发，上线后响应变慢，再回头扩容又要重新采购，周期往往按月计算；预算容易失控。
许可与合规文件不能少
基座模型的许可范围、商用限制与来源说明应随交付一并提供，涉及个人信息的数据还要说明处理方式。许可不清时，即便技术验收通过，也可能在法务或客户侧被卡住，前期投入无法转化为可交付的产品。
适用与不适用
适合谁
- 正在制定微调项目验收条款的企业
- 需要向法务说明模型来源与许可的项目
- 准备把模型部署到自有环境的团队
不适合谁
- 只用公开接口、不做本地部署的场景
- 无法提供标注数据与评测样本的项目
典型场景
某制造企业的设备故障问答模型验收时，验收组要求交付方用同一批样本复现训练，并对比基线与微调版本的错误类型。复现过程中发现训练配置缺少数据配比说明，交付方补齐后才通过。推理服务的容量说明也在验收后被要求补充，避免上线后并发不足。
可执行步骤
- 按六类交付物列清单，标出复现训练所需的最小文件集，标出最小可复现集
- 核对数据规范是否写明来源、字段与争议处理方式，避免口径漂移，便于复核
- 要求交付方用同一批样本复现训练，并记录配置与结果，作为验收依据，避免乐观
- 组织盲评，按错误类型对比基线与微调版本，确认收益是否真实，而非只看分数
- 核对许可范围、商用限制与个人信息处理说明，避免法务环节被卡，并书面留档
常见坑
- 只交付模型权重，不留训练配置，后续想复现或微调都要从头摸索，迭代速度明显下降，成本随之上升。
- 评测只报绝对分数，没有基线对比，无法判断收益来自微调还是样本本身，预算难以持续，立项也缺乏依据。
- 容量说明缺失，业务方按理想并发规划，上线后响应变慢，扩容又要重新走采购流程；扩容周期按月计算。
- 许可范围没核对，技术验收通过却在法务环节被卡住，交付周期被迫延长数月，客户信任受损，整改也很被动。
自检与验收清单
- 六类交付物是否齐备并可复现训练，能否独立复现
- 数据规范是否写明来源与判定口径，边界是否清晰
- 评测是否含基线对比与人工盲评，是否有盲评结论
- 推理服务是否附容量与并发说明，是否覆盖并发场景
- 许可与合规文件是否随交付提供，是否可对外说明
常见问题
模型权重归谁所有？
取决于基座许可与合同约定。多数开源基座的衍生权重可商用，但需遵守相应条款；委托训练的场景应在合同中写明权重、训练数据与配置的归属，避免后续更换供应商时无法继续迭代，也避免二次授权纠纷。
验收一定要复现训练吗？
建议至少复现一次小规模训练。复现能暴露配置缺失与数据规范不清的问题，也能验证交付方提供的流程是否真实可操作；如果条件不允许，至少要核对配置文件与数据清单的完整性。
效果不达标怎么处理？
按合同进入调优轮次，明确轮次上限与判定标准；若多轮后仍未达标，应回到需求判定阶段，确认问题是否本就不适合用微调解决。硬撑下去只会增加投入，换成检索方案往往更快见效。