大型语言模型在软件开发中已成为基础设施，但其生成的代码质量受训练数据影响。Sonar的研究表明，低质量数据会导致安全漏洞和维护问题。通过数据质量工程，团队可以改善训练数据，提高模型输出的安全性和可维护性，有效的数据筛选能显著减少代码缺陷，提升开发效率。