这张卡讲清黄金数据集贵在哪、以及它为什么必须被「供起来」。
核心拆解：黄金数据集是经过业务方逐条确认预期答案的核心评测集，代表验收标准本身。它最容易出两类事故：一是泄漏——用例混进开发迭代过程，系统等于在考卷上训练，评测分数虚高，验收现场翻车；二是漂移——有人悄悄改用例迁就当前系统输出，黄金标准就退化成了现状记录。变更要走与合同变更同级的流程，这不是夸张。
增量判断：与普通评测集的差别在权威性：普通评测集可以快速扩展、允许带噪声，黄金集必须小而硬、逐条可信。国内交付的增量做法是与客户共建共同维护机制，验收争议发生时，黄金集就是双方共同签署过的证据。
行动建议：检查你的黄金数据集是否有变更日志与防泄漏隔离，缺哪项补哪项。这份证据链平时安静，在争议时刻才真正兑现它的价值。
—— FDEChina编辑部 · 架构师视角
定义
黄金数据集（Golden Dataset）指由业务方逐条确认预期输出的高质量核心评测集，规模通常不大但每条用例都权威可信，是验收判定与回归测试的最终依据。
展开
它与普通评测集的差别在权威性：普通评测集可以快速扩展、允许带噪声、用于日常迭代观测；黄金集必须小而硬，每条用例的预期答案都经得起商务与法务层面的追问。两条纪律决定它的价值：一是防泄漏——黄金用例一旦混入开发调试过程，系统等于对着考卷练习，评测分数虚高而真实能力不变，验收现场必然翻车；二是控变更——任何人不得为了让当前系统通过而修改用例，变更要走正式流程并留档，否则黄金集退化成现状记录。FDE 交付语境下，建议与客户共建维护机制：业务方对答案权威性负责，交付方对评测执行负责，验收争议发生时黄金集就是双方事先认可的证据链，这比事后争执「什么算好」高效得多。