GMX邮箱垃圾邮件过滤器可通过用户行为自适应学习：标记垃圾邮件强化识别、标注非垃圾邮件校正误判、添加白名单引导长期学习、定期清理Spam文件夹维持模型效果。

如果您使用 GMX 邮箱时发现垃圾邮件未被有效识别或误判率较高，则可能是邮箱的垃圾邮件过滤器缺乏针对您个人收信习惯的学习数据。GMX 本身不提供显式的“训练模型”界面，但可通过特定用户行为触发其后台垃圾邮件识别系统的自适应学习机制。以下是实现该机制的多种操作路径：

一、将邮件标记为“垃圾邮件”以强化识别模式

GMX 会将您手动标记为垃圾邮件的操作作为正样本输入其分类引擎，持续积累后可提升对同类发件人、主题结构及内容特征的识别敏感度。

1、在收件箱中勾选一封确认为垃圾邮件的消息。

2、点击工具栏中的“Report Spam”（报告为垃圾邮件）按钮（图标为带感叹号的垃圾桶）。

3、该邮件立即移入“Spam”文件夹，并同步向 GMX 的反垃圾邮件系统提交特征向量。

4、重复对同一发件人或相似模板邮件执行此操作至少3次，系统将显著增强对该来源的拦截权重。

二、将误判邮件标记为“非垃圾邮件”以校正分类边界

当合法邮件被错误归入 Spam 文件夹时，将其还原并标注为“非垃圾邮件”，可向 GMX 提供负样本，用于收缩误报区域并优化阈值判断。

1、进入 GMX 左侧导航栏的“Spam”文件夹。

2、选中被误判的邮件，点击顶部工具栏中的“Not Spam”（非垃圾邮件）按钮。

3、邮件将返回“INBOX”，且其原始发件人地址被加入临时信任缓存。

4、若该发件人后续仍有邮件进入 Spam 文件夹，重复执行此操作两次以上，系统将逐步降低对其邮件的可疑评分。

三、通过发件人白名单机制引导长期学习

将高频通信的可信联系人加入白名单，可减少其邮件被送入 Spam 文件夹的概率，同时向 GMX 反馈“高置信度正常邮件”信号，辅助模型区分正常语义与营销话术。

1、打开任意一封来自可信发件人的邮件，点击右上角“More”（更多）下拉菜单。

2、选择“Add to Contacts”（添加到联系人）。

3、进入 GMX 设置 → “Filters and forwarding” → “Whitelist”，手动输入该发件人邮箱地址并保存。

4、此后该地址发出的邮件将绕过部分启发式规则检测，其正文结构、签名格式等特征亦被纳入正常邮件特征库。

四、定期清理 Spam 文件夹并验证分类结果

GMX 的学习机制依赖于用户反馈的时效性与一致性。若 Spam 文件夹长期堆积未处理邮件，系统可能因缺乏近期校验信号而弱化学习效果。

1、每周至少一次进入“Spam”文件夹，快速浏览最近7天内的邮件。

2、对其中疑似误判的邮件执行“Not Spam”操作，对确认垃圾邮件再次点击“Report Spam”。

3、清空已确认无价值的邮件（注意：GMX 默认保留 Spam 文件夹内邮件30天，超期自动删除）。

4、该周期性动作向系统持续输送高质量标注数据，维持模型判别能力稳定。