很多人遇到AI模型表现不尽人意时，第一反应是吐槽算法本身。但仔细想想，模型其实就是在忠实执行数据的"指令"——它学到什么，就会输出什么。

如果最後的結果看起來很離譜？那就得往前找。先從數據源頭檢查一遍。是訓練集質量有問題，還是輸入特徵本身就有偏差？這個思維習慣的轉變，會直接影響你怎麼去構建整個系統。與其不斷調參，不如把更多精力投在數據清洗和準備階段。小改動，大差別。