先这样答
合规审查在训练开始前，不在出事之后。核心是把数据的来龙去脉说清楚：这批数据公司有没有权利拿来训练，是业务自己产生的、客户提供的、还是外部收集的；里面有没有个人信息、商业秘密、受合同或行业监管约束的内容。这几个问题答不上来，训练本身就带着风险，技术做得再干净也补不了授权的缺口。
具体动作按数据流程走。数据进来之前确认授权：客户数据要看合同里有没有允许用于模型训练的条款，没有就默认不能用，这是行业通行做法。进管道之前做脱敏和最小化：个人信息能删则删、能替换则替换，训练只留任务需要的字段。调用外部训练或微调服务时，数据会离开内网，要评估服务方的数据保留政策：训练数据存多久、会不会被拿去迭代对方自己的模型，拿不准就咨询法务。训练完成之后，模型权重、评估集、训练日志存在哪、谁能访问，也要有明确清单。
总结：合规不是一道审批章，是数据全生命周期每个环节的检查点。面试里能主动提「客户数据默认不用于训练」，比背流程更显务实。
面试官会怎么追问
- 「微调就几十条样本，也要走这套吗？」 要。合规看数据内容不看数量，一条含个人信息的样本进了训练集，和一万条的问题性质一样。量小反而说明先脱敏再训的成本很低。
- 「用 API 厂商的微调服务，怎么评估数据安全？」 看三点：训练数据的保留期限承诺、是否默认不拿你的数据去训练对方自己的模型、有没有私有部署或专属实例选项。这三条写不进合同，就要考虑换方案。
- 「员工拿内部数据自己搭个小模型试验，管不管？」 管。风险不因为「只是试验」消失，数据进了任何环境都按同等标准脱敏和管控，不少泄露事故恰恰从试验项目开始。
回答的坑
- 把合规等同于签一份保密协议。协议管不住已经发生的训练，数据进了模型就收不回来，审查必须放在训练之前。
- 只谈脱敏技术不谈授权来源。权利来源没确认就训练，脱敏做得再干净，授权这一关依然是空的。
—— 本题完 ——