Es wurde beschlossen, Richtlinien zu entwickeln, um zu verhindern, dass bei der Datensammlung bösartige Daten erfasst werden
Da von KI erzeugter Code oder Dokumente ASCII‑Varianten, Unicode‑Verwechslungszeichen, unsichtbare Steuerzeichen oder obfuscierte Zeichenketten enthalten können, muss überlegt werden, wie man diese bereits in der Erfassungsphase erkennt und normalisiert
Es wurde festgehalten, dass es wichtiger ist, zunächst Kriterien zum Filtern von bösartigen/verschmutzten/obfuskierten Daten zu definieren, anstatt einfach nur große Mengen an GitHub‑Daten zu sammeln
Aufgrund von Konditionsproblemen kann die Arbeit vorübergehend etwas verzögert werden