corpus-cleaner

用于用户说“帮我清洗这批训练语料”“这份语料先去重一下”“把脏数据清一清再喂给模型”“语料里的重复和乱码太多”“把 HTML 标签和特殊符号清理掉”“语料里的手机号邮箱脱敏一下”等场景。反向触发：用户不会说“跑清洗流水线”，而是会说“这堆数据太脏了”“重复的太多了先删一删”“爬下来的内容一堆标签怎么处理”。同样适用于算法工程师、数据标注、语料准备团队在构建训练集前进行第一道清洗。仅执行确定性清洗与统计，不替代语料质量评估或合规审查。

模型生成摘要（rules/v1 · 2026-11-15 12:05）：用于用户说“帮我清洗这批训练语料”“这份语料先去重一下”“把脏数据清一清再喂给模型”“语料里的重复和乱码太多”“把 HTML 标签和特殊符号清理掉”“语料里的手机号邮箱脱敏一下”等场景
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-15 12:04	3d049c91	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。