TextSafe

数据集来源：

时政与广告：https://github.com/observerss/textfilter
辱骂与歧视：https://github.com/thu-coai/COLDataset

微调使用：https://www.kaggle.com/datasets/utmhikari/doubanmovieshortcomments
（主要是脱敏）

运行流程

Wash，对数据集进行清洗合并。（有一些工作是用Excel完成的，可能代码中没有体现）
BuildTokenizer，构建词表。
Split，划分数据集。
Train，训练模型。
Tune，用更多的样本微调。本步骤的界限、参数需要根据“感觉”来调整。