Jyotisha/docs/research/day_level_holdout_labeling_guide_zh.md

日级应期 holdout 人工标签指南

目标：给研究仓提供真实、独立、可复验的正/负样本。你不需要会编程，只需要提供来源清楚的事实材料。

需要收集什么

每条标签只回答一个问题：

某人在某个日期区间，某类事件是否发生？

可用标签：

• target_event：事件发生了。
• no_target_event：有公开资料支持该区间没有发生这个目标事件。

优先领域

1. 事业：任命、创办公司、上市、获奖、重大作品发布。
2. 婚恋：结婚、离婚、订婚、公开伴侣关系变化。
3. 财富：上市、重大融资、破产、重大资产事件。

暂不优先健康/死亡，噪音和伦理风险高。

合格来源

优先：

• 官方 biography / timeline
• Britannica / Nobel / company official timeline
• 出版传记中可核对页码或章节的时间线
• IMDb / MusicBrainz / company history 等结构化公开资料

不合格：

• “没搜到新闻所以没发生”
• ChatGPT 生成内容
• 无来源论坛故事
• 已被本项目观察过的旧控制日期
• 模糊说法：“那一年很平静”

最小可用规模

pilot 阶段：

• 3 个公开人物
• 每人 1 个领域
• 每人 1 个正样本窗口
• 每人 2 个负样本窗口

正式升级门槛：

• 至少 20 个独立案例
• 至少 80 个独立负样本区间
• 标签冻结后才允许评分

填写方式

生成空模板：

python3 scripts/day_level_holdout_template.py --output /tmp/holdout_annotation_template.json

把公开来源、日期区间、事件说明填进去，再交给 intake：

python3 scripts/day_level_negative_holdout_intake.py references/real_case_calibration/day_level_holdout_v3_preregistration.json --row-json '{"case_id":"..."}'

结论边界

没有真实独立负样本前：

• 可以输出候选日期排序；
• 可以说明触发信号；
• 不能说“精确日期预测已验证”。