一句话总结：UL 3115（Proposed First Edition，2026-07-31）对训练数据的要求分三层：Clause 34.1.1 管"要披露什么"，Clause 11.1 管"数据本身要达到什么质量"，Clause 38 管"治理过程怎么走"。三层加起来共 10 条编号要求（R1、R30、R31、R46、R61~R66）。本文逐层说明要交的证据形态，包括 Clause 38.5 要求的外部数据评审程序——这是"训练数据会不会被审"这个问题最直接的答案。
训练数据要交什么：Clause 34.1.1 的四项披露
先纠正一个常见误解。标准没有规定"提供方不必提交原始数据集"，也没有规定"评估方不接触训练数据"。Clause 34.1.1.1 a) 要求的动作是两件：文档化并披露所有训练数据集的来源、性质与特征；b) 明确列出文档必须包含的四项内容：
| 项 | 内容 |
|---|---|
| 1 | 数据来源，例如公开可得、授权许可、专有 |
| 2 | 数据收集方法，含自动化或人工流程 |
| 3 | 数据整理程序，如筛选、清洗、标注、增强 |
| 4 | 合成或模拟数据的使用，含使用理由与对模型性能的影响 |
- 再加追溯与可审计要求：每个数据集的来源可验证，数据随时间的任何变化要被记录并说明理由。d) 是关键一句——要向相关利益相关方提供训练数据特征的可访问摘要，条款点明包括监管机构、用户（适用时）与合格评定机构。
所以准确的说法是：标准要求披露与摘要的可访问，而非提交原始数据集；同时 Clause 34.1.1.2 a) 建议用数据表（data sheets）或模型卡（model cards）这类标准格式来承载这些信息。
至于"会不会被审"，Clause 38.5.1（R65）给了正面回答：提供方应有明确程序，聘请独立专家或第三方评审数据集与分析方法，并确保评审的公正性、识别潜在偏差或伦理问题。也就是说，训练数据集要被独立评审这件事是标准要求的，只是评审对象是数据集与分析方法，形态由程序规定。
数据质量与多样性：Clause 11.1.1 的八项
R1 把要求拆成两组各四项，注意"多样性"这组里有两项容易被忽略。
数据质量四项： 准确（数据准确、最新、反映其应代表的真实信息）、一致（跨数据集一致、不含冲突信息）、完整（缺失值或缺口最小）、相关（与系统要完成的任务相关）。
数据多样性四项： 代表性（覆盖产品实际运行会遇到的完整场景谱，含边缘案例与离群值）、人口统计包容性（包含多样的人口群体以保障公平并缓解偏差）、时间多样性（覆盖适当的时间区间与时间条件，既有反映过去的历史数据，也有反映当前趋势的近期数据）、场景覆盖（覆盖与既定用途相关的广泛情境）。
人口包容性与时间多样性这两项是硬要求，不是可选项。前者直接连到 Clause 22 的公平性，后者连到漂移——只用某一时段数据训练的模型，在时间维度上的泛化能力没有证据支撑。
R1 还有一层形式要求：这些程序本身要被纳入并文档化。也就是说，要有文件写清"我们用什么流程确保这八项"，而不是只在报告里声明"数据质量良好"。
三条检查与三类分析
Clause 11.1.2 把执行手段做成两套。
数据质量检查（11.1.2.1）： 自动化数据校验（用工具检查错误、不一致、缺失值）、人工复核（定期人工审查，捕捉自动化漏掉的问题）、数据清洗（纠正不准确、补缺失、去重）。
数据多样性分析（11.1.2.2）： 统计分析（评估各变量上的数据分布，方法见 Annex B，含描述统计、频次分布、相关分析、多变量分析）、偏差检测（用公平性指标评估数据集潜在偏差，方法见 Annex C）、差距分析（找出数据集中可能影响真实场景表现的缺口或代表不足的场景，方法见 Annex D）。
Annex C 给了三个判据，其中差异影响（disparate impact）有一个具体数字：计算某一人群获得有利结果的比率与最优人群的比率之比，比率低于 0.8（即"80% 规则"）通常表示存在潜在偏差。这是全文少见的具体阈值，做数据集自检时可以直接用。
Annex D 的差距分析方法更偏工具清单：覆盖率分析与场景矩阵、Z 分数与外隔离森林做离群检测、分层抽样与 SMOTE 做采样补偿、边缘案例识别与场景仿真、香农熵与辛普森多样性指数做多样性度量。