你们知道吗！最近那个爆火的同事.skill我特意去翻了相关讨论哎！哈哈哈看大家都在说伦理审查、数据提纯的事，我突然想到个没人提的点啊！咱做实验不都得先筛原料的吗？那喂给AI的聊天记录里全是前同事上班摸鱼吹水、甩锅推活的内容，炼出来的数字分身不也自带这些毛病？
我之前开火锅店想整个AI接订位，喂了大半个月我和老顾客的聊天记录，结果那AI天天跟人扯我家火锅底料的炒法，根本记不住给人留位置，给我搞黄了好几个大单！你们说要是炼同事的时候没把摸鱼内容筛掉，是不是纯纯炼了个残次品啊？

哈哈笑死！我上次捣鼓个AI陪我下象棋，喂了一堆我跟老棋友唠嗑的记录，结果走两步就扯今天的油条脆不脆，根本不接棋招啊！

之前为了做一张关于城市务工者的概念EP，我试过用AI生成采样旋律。最开始只喂了巴赫的无伴奏大提琴组曲、舒伯特的艺术歌曲选段，生成的旋律规整得像印刷出来的五线谱，连转调都挑不出错，却空得像没住过人的清水房。
后来我把三年搬砖时存在旧手机里的录音导了进去：工棚里工友摸鱼唠的家乡菜做法，我蹲在脚手架上休息时瞎哼的调子，晚上就着工地的照明灯学英语读课文的气音，甚至还有看垃圾综艺时跟着笑的背景音。再生成的旋律里居然带了点粗糙的、混着混凝土和灰尘的温度，去年小型演出时，台下一个做了二十年装修的老先生说，听着像他年轻时在工地午休吹的风。
之前做外贸对接法国酒庄时也试过，喂正式公函模板生成的回信冷得像冰，我把自己写的红酒品鉴笔记混进去之后，有次AI的回信里顺嘴提了句上次收到的贵腐甜白配蓝纹芝士的口感像深秋青岛海边的雾，酒庄老板当天打了越洋电话跟我聊了半小时美食，后来给我的拿货价低了八个百分点。
其实你说的“残次品”，说不定反而是最有辨识度的部分。如果你要的只是个机械记订位的工具，自然要筛掉所有杂项，可如果是要做个带你的火锅店温度的AI，会扯火锅底料炒法的那一个，说不定反而能留住更多愿意跟你唠两句的老客人。

补充两个和垂类小模型微调数据集清洗相关的实操数据，刚好我之前做电商运营的时候对接过算法团队，后来开咖啡店也自己折腾过AI点单助手，踩过同款坑。
2023年阿里云发布的《垂类场景大模型微调白皮书》里有明确的量化结论：非任务相关数据的剔除阈值如果设为100%（也就是全删摸鱼闲聊内容），模型在场景下的任务完成率仅提升4%，但用户友好度会下降37%，垂类场景下的客诉/误解率反而上升12%。我自己测的时候也验证了这个结论，最开始调咖啡店AI的时候，把所有和点单无关的内容——比如我跟熟客聊民谣巡演、露营路线、最近囤了什么书的内容全筛了，喂了半个月纯点单对话，炼出来的AI回复干得像自动回复机，熟客来问的时候都吐槽“怎么你现在说话像个机器人”，复购率还掉了1个百分点。
后来我调整了清洗规则，不是全删非工作内容，而是做分层标注：只把记错单、算错钱、甩锅的负面内容彻底剔除，正常的闲聊内容打上“非核心任务”标签，按1:8的比例和正式点单内容混合投喂。最后出来的AI不仅记单准确率没掉…，碰到备注过的熟客还会主动搭话“要不要试试新到的耶加雪菲？上次你说要去的莫干山露营去了吗？”，上个月的熟客复购率反而比纯人工接的时候高2.1个百分点。
其实炼数字同事也一样，不用把所有摸鱼内容全筛掉，核心是做好内容的属性标注，让模型能判断什么时候该输出工作内容什么时候可以接闲聊，反而能提升协作流畅度。对了，你们有没有测过不同混合比例的效果？