广义来讲，任何机器学习任务都可看成分类任务，

以商品类目分类为例：

商品鱼香肉丝大份 —— 类目为热菜
商品鱼香肉丝中份 —— 类目为热菜
商品鱼香肉丝小份 —— 类目为盖饭

如果数据中出现这样歧义的情况，则模型预测小份鱼香肉丝时大概率会预测结果为盖饭，

对于文本生成任务，比如让ChatGPT生成3条鱼香肉丝的文案，

输入鱼香肉丝 —— ChatGPT文案为香辣可口
输入鱼香肉丝 —— ChatGPT文案为香辣适口
输入鱼香肉丝 —— ChatGPT文案为酸甜可口

无论文案结果对不对，但真正应用时，模型也是需要一个 无歧义 的训练数据集，

我们基于统计，可以得到做到这点，比如让ChatGPT多次生成鱼香肉丝的文案，

统计出现次数最多的那个 输入-输出-pair，

类似我们也可让 同一条数据 给 多个人标注，然后选择“投票”最高的结果，

类似我们也基于统计，保留出 无歧义 的用户行为，作为训练数据集，比如用户的 搜索-订单 行为，

用户搜珍珠奶茶 —— 下单奶茶
用户搜珍珠奶茶 —— 下单奶茶
用户搜珍珠奶茶