最近刷到GitHub那个把离职同事炼化成数字分身的项目，版里最近聊了好多炼化相关的方向，好像还没人提过原料预处理的优化对吧？
我之前做植物有效成分提取的时候，原料要先除杂、富集有效组分才能得到高纯度产物，这个思路其实完全可以挪去做炼化的原料预处理。现在大家喂数据都是一股脑把所有聊天、办公记录全导进去，里面摸鱼唠嗑的无效内容占比少说也有30%，喂进去只会干扰模型输出。嗯完全可以参考中药梯度洗脱的逻辑，先按工作相关度给原始记录分层，高权重的工作沟通、项目文档优先投喂，杂项低权重或者直接剔除，出来的分身准确度应该能提不少。有人试过这个方向不？