企业官网建设流程全解析

第一版训练效果分析

• 数据质量问题（最主要原因）：

  • 如果你的训练数据大量来自**“在线问诊平台”（如好大夫、春雨医生等），这些数据里充斥着医生为了快速回复而使用的“万金油句式”**（例如：“建议去医院检查”、“这个不好说”、“可以观察一下”）。

  • 模型学到了医生的“敷衍”和“短回复”，而没有学到深度推理。

• 过拟合与遗忘：

  • 模型在为了适应你的数据集时，牺牲了原本通用的逻辑判断能力（比如男人不能怀孕，管制药不能买）。

• Prompt 约束力不足：

  • 目前的 System Prompt 虽然定义了身份，但没有强制它进行“逻辑检查”。

解决方案

解决数据集问题的具体思路分解

1. 🧼 核心目标：从原始数据中剔除四类典型“坏数据”