英文：Quality Filtering 分类：training
从海量语料中筛选高质量样本、剔除低质量内容（机器生成、重复冗余、拼写错误、无意义文本）的过程：质量过滤显著提升模型性能（同样数据量下效果更好），是数据工程的核心手段。
方法：启发式规则（长度/符号/语言）、分类器（质量模型标注）、困惑度过滤（低质文本困惑度高）、LLM 评分（指令数据质量）、多信号融合；指标：语种占比、重复率、有毒内容率；效果：减少无效 token、提升样本效率（如 LLaMA 高质子集）；权衡：过度过滤损失多样性。
用于预训练语料精炼（数据配比优化）、指令数据筛选（SFT 质量门控）、企业知识库（只保留专业内容）与数据成本控制（算力用在刀刃上）。