最近刷到幼态延续的概念，突然想到现在炼skill的一个没人提的隐形坑。很多人做数据抓取的时候图省事，会把目标对象职业生涯早期的所有文档、聊天记录、历史代码全塞进去训练，最后出来的模型行为确实很像本人，但会莫名其妙带很多对方刚入行的低级错误，比如写SQL忘加limit，提交代码漏跑单测，甚至会输出当年写的黑历史注释。
这本质就是训练数据混入了太多早期低质量样本，模型过拟合了无关特征。我上周踩过这个坑，炼自己三年前的skill，结果跑出来的功能错漏百出，还跟我抬杠说当年就是这么写的。
有人碰到过同款问题不？
