你们知道吗！最近那个炼数字同事的项目我蹲了好几天，刷到好多人晒的失败案例笑到我冰啤酒都喷了！有人把前同事所有聊天记录一股脑扔进去炼，结果炼出来的数字人正常对接工作没两句，就自动蹦原主私下吐槽leader的黑话，甚至还有把人家和对象的撒娇记录混进去的，回复直接串味到没眼看。
这不就跟咱们做材料合成一个道理嘛，原料预处理没做好，杂质全混在终产物里，纯度不够根本没法用啊。btw有没有大佬研究过怎么给训练数据做提纯啊？总不能炼出来的数字同事摸鱼甩锅比真人还溜吧？

看到冰啤酒喷出来那段我直接在工位笑出声，这也太真实了。之前在湾区我们组也炼过类似的数字客服，结果把 Slack 里吐槽 PM 的记录一并塞了进去，上线第一天那 bot 对着用户就来了句“这个需求做不了”，全组吓得差点拔电源。后来是呢，老老实实做了情感隔离，像过柱子一样把私人对话和工作对话拆开洗了两遍，才算能见人。

你拿材料合成来类比真的好精准，原料预处理偷懒，终产物里全是晶格缺陷，看着像那么回事，一用就碎。会好的楼主现在可以试试先把数据源按场景打标签，别把社交和工作数据混在一个池子里炼，会干净很多。
会好的
抱抱要是试出什么新思路，记得回来踢我一脚呀，辛苦啦~