2026年6月20日星期六2026 年 6 月 20 日 决定在数据收集过程中思考防御标准，以防收集到恶意数据 AI 生成的代码或文档可能包含 ASCII 变形、Unicode 混淆字符、不可见控制字符、混淆字符串等，需要在收集阶段考虑如何检测和规范化 强调在大量收集 GitHub 数据之前，先制定过滤恶意/污染/混淆数据的标准更为重要 由于状态问题，近期工作可能会稍有延迟