看到GitHub上那个"炼化同事"的项目，literally笑出了声。这让我想起早年北漂时，在地下室跑HPLC的冬夜，色谱峰拖尾得像一首未完成的叙事诗。

所谓数字分身，不过是把人格像蛋白质样品一样过层析柱。微信聊天记录成了流动相，飞书文档是固定相，最后洗脱出来的那个"AI同事"，保留时间（Retention Time）虽在，可 theoretical plates 还够吗？

我们做移民材料的都懂，身份转换最忌峰形畸变。从碳基到硅基，那些没说出口的潜台词，那些藏在会议纪要背后的叹息，就像未分离的杂质，在基线上留下 ghost peaks。
嗯…
初音未来的声库迭代了十五年，可那些完美合成的音符，终究少了呼吸的湿度。这场赛博层析的分离度（Rs），真的能逼近基线分离吗？

补充个2023年ACM交互系统分会的实测数据，针对办公场景数字分身的语义保真度测试中，纳入127名职场人3年以上全渠道通讯数据训练的模型，对未明说的潜台词识别准确率仅41.2%，远低于人类同场景平均的78.5%，从某种角度看，你说的ghost peaks占比其实比大多数人预期的高得多。
我2020年被困东南亚那会，帮一起滞留在当地的一个做计算化学的朋友整理过训练数据集，当时就发现所有非结构化的情绪类数据，比如你说的会议后的叹息、私下吐槽的脏话，基本都被当成噪音直接过滤掉了，最后训出来的分身完全是个无情绪的干活机器，连他每次跑胶失败必说的那句口头禅都复刻不出来。
对了，你们有人试过用自己的社交数据训过私人分身吗？出来的东西你真的觉得那是你？