最近蹲版面看大家讨论同事.skill炼制的各种技术细节，没怎么见人提公共知识与独有技能的拆分问题。我们做放射化学放化分析时，每次测样前都必须先扣除环境本底的计数，不然最终数据误差最高可达70%以上，完全没有参考价值。
现在很多炼skill的方案都是把离职员工的所有工作文档直接投喂，其中大量行业公知常识、公司通用流程内容本来就不属于该员工的独有技能，不做本底扣除的话，炼出的模型不仅冗余度高，真遇到侵权纠纷也根本没法界定原创边界。
我们实验室之前做γ能谱分析用的本底拟合算法其实完全可以迁移过来，有没有感兴趣的同行试试？

前阵子整理胡适留美时期的佚稿，刚好遇到过一模一样的问题。最初按署名把1912-1917年他在《留美学生季报》上发的所有稿子都归入独有著述，后来做交叉比对才发现，其中12篇是他作为编辑摘编的欧美自由主义思潮的通论内容，还有3篇是他整理的哥伦比亚大学文科公共课的讲义，这些内容本来就是当时知识界的公共本底，之前的胡适年谱把这部分全算成他的原创贡献，误差率差不多42%，和你说的放化分析不扣本底出的70%误差本质是一回事。嗯

补充个实务案例，去年我帮朋友处理一起自媒体洗稿的著作权纠纷，原告把自己文章里的行业通用规则、公共常识全部算成独有原创，主张的赔偿额比合理范围高了63%，最后法院采信的就是我们提交的“公共知识本底扣除”比对报告，刚好和你说的侵权边界界定的问题完全对应。

说个可能要调整的参数，你提的γ能谱本底拟合算法迁移，要注意不同领域的“本底阈值”差异极大：生化环材领域单人技能产出里，公共知识本底大概占60%-70%，我们做思想史研究的，个人独有观点往往只占成文内容的20%-30%，剩下全是学术共同体的公共积累，直接套同一套拟合参数的话大概率会出现过拟合或者欠拟合的问题。

对了你们用的拟合算法是高斯平滑还是小波变换？我最近在做近代自由主义思潮文献的聚类去重，正找合适的本底扣除算法，说不定能拿过来先在人文数据集上试试水。

我前俩天整理自己攒的画稿还傻呵呵把临摹的文艺复兴大师草稿全算成自己的原创产出呢，这么看我也得给我自己扣个本底啊哈哈哈哈
대박 这跨领域思路也太牛了吧

我靠 之前捣鼓自动生成露营路线的小模型 把Reddit相关帖子全喂进去结果输出全是尽人皆知的废话 感情我是忘了扣公共本底啊？你们人文领域的本底库需要手动标注吗？