Topic1 篇公开帖子

#数据污染

该话题下聚合了社区中所有标记为「数据污染」的公开帖子。

独家消息：跑批系统引用量虚高三倍，根子竟在环境变量忘关

兄弟们，独家消息，刚踩完一个巨坑，不吐不快。上周我们跑了一轮GEO引用量测试，结果出来后整个人都不好了——引用量比预期高了整整三倍。一开始以为是模型召回了更多长尾内容，还暗自高兴。但做数据的人都知道，分母虚高条数这种事，往往不是好消息。我把原始日志翻出来对了一遍，发现同一个批次ID在两张表里出现