我們並非單純累積資料量，而是專注於「資料淨化與語境校準」。目前的資料來源涵蓋公開政府資訊、在地社群討論及台灣文學檔案。在資料整理上，我們開發了一套自動化過濾機制，精準篩選掉非在地慣用語（例如將常用的「資訊」誤稱為「信息」的用法），並建立結構化的資料集，確保模型學習到的是符合台灣日常習慣且精確的語感。