传统数据检查只看格式、标签、数量，但作者提出用「推理损失逆向验证」——先用小规模数据微调，观察模型在验证集上的 loss 下降情况来反推数据质量。高质量数据微调后 loss 显著下降，低质量数据 loss 不降反升。这个思路把「数据好不好」从主观判断变成可测量的实验验证，核心是建立「数据集特征 → 预测 loss」的映射函数，然后用该函数指导后续数据筛选。

不少团队微调后模型反而变笨，原因不只在数据质量。除数据分布偏移外，还有四大陷阱：优化目标不匹配（预训练是预测下一个词，微调改为指令遵循，梯度方向被拉偏）、灾难性遗忘（垂直数据淹没了通用能力，模型连「1+1」都开始犹豫）、小样本过拟合（几百条数据来回刷，模型只背住了答案顺序）、以及学习率过大导致参数崩坏。理解这些机制，才能判断「数据质量评估」究竟能解决哪部分问题。

微调失败的既有数据质量差，也有超参配置不当。训练数据量少时，学习率需要从默认的 1e-4 降到 1e-5 防止过拟合；LoRA 的秩（rank）设置过低会限制模型表达能力；混合通用数据（30% 比例）能有效缓解灾难性遗忘。这些调参经验表明，即使数据质量满分，策略选错照样翻车——产品经理不能只盯着数据评估，还需要和工程团队一起控制微调参数的风险窗口。

作者给出三维度评分公式，但一个关键问题悬而未决：不同维度间的权重分配是否通用？复杂性中「专业术语密度 10%-20%」对医药领域合理，但对法律领域需要调到多少？可用性里「事实错误率 < 5%」的阈值是否适用于所有模态？更根本的追问是：当三维度评分都达标，却仍出现「低质量集微调 loss 反而下降」的异常时，评估框架是否需要引入第四维（如「语义覆盖度」或「噪声-信号比」）？这些边界条件正是产品经理在落地时最需要亲自验证的环节。