目录加载中...
赵文渊重新提起关于训练的话题。
“韩总，刚才的数据质量可以，但是方向上只和开物这个代码生成的场景有关，所以咱们这个原型产品是打算把天工重做一遍？”
韩路一摇了摇头，说道：“做原型的时候不会只用开物的数据。”
赵文渊一愣，问道：“刚才那两百条标注不都是标注里来的？”
“专门给你看质量的，既然质量达标，就按这个标准来。”韩路一说道，“我们要做的是通用对话模型，得让它理解各个场景下的意图，只和代码生成有关是不够的，天工开物积累下来的这些和代码相关的数据也是不够的，我们需要更多元化、多维度的数据。”
赵文渊先是心理认同，这话说的倒是没错，好数据能带来好结果，多维度的数据能提高多维度的能力。
但是——
“你以前在谷歌的时候有经验，他们是怎么做的？”韩路一打断了赵文渊的思考，问道。
赵文渊想了想，回答道：“这条数据管线都已经是标准流程了，先是海量采集，爬虫来的加授权数据源，恨不得把整个互联网都存下来；然后再清洗、去重、去噪，砍掉百分之八九十的垃圾；最后一步才是标注，以前都是外包给非洲的团队，最近几年好像趋势变了，不过我也有段时间没做了。”
韩路一听了不禁咋舌。
以前是黑人种植园，现在是黑人标注员，虽然换了个名字，压迫的本质倒是没有什么变化。
赵文渊看了韩路一一眼，说道：“做原型的话，找个开源模型的基础上微调，前面那两步都不用做，只做最后一步的标注就可以了。后训练至少需要五千条高质量标注，就算找外包，两三周的时间能赶得出来，但是质量——”
赵文渊的话没说完，开源语料找外包标注，和韩路一刚才给他看的标注质量比，那是一个地下一个天上。他就算对自己的技术再自信，也不敢说这种方法做出来的东西可以出去拉投资。
“我也是这个想法。你放心，数据交给我，保证都是刚才的那个质量。”韩路一说道。
赵文渊狐疑地看了他一眼，你知道自己在说什么吗？
开物的数据能标是你有数据源，用户的使用场景和前后几轮的交互，以及最后接受的结果全都在里面了，才能做出这种程度的标注。
开源语料有什么？
赵文渊尽量让自己的语气听起来没那么冒犯：“开源数据谁都能拿到，标注出来的也都大差不差，我们恐怕没办法做出什么亮眼的成绩来。”
好问题，我自有办法。
韩路一看出他不信，也不再解释：“总之交给我，你先搭训练管线就行，到时候看数据质量。”
两人聊完，赵文渊回十三楼继续工作去了。
韩路一坐在原地想着接下来的计划。
赵文渊说得没错，开源语料谁都能拿到，标注出来都大差不差，但那是对普通标注员而言。
数据标注到底是什么？说白了，数据标注就是做阅读理解，给你一篇文章，问“这个人到底想干什么”，标注员写一个标准答案。
就像刚才赵文渊说的，现在业内的做法是流水线作业：清洗管线负责清洗数据，标注员拿到手的已经是规范化的文本来，连在哪来的都不知道，他们要做的就是在这个文本上标上意图标签，一篇三千字的新闻报道，最终可能只会变成一句话的意图标签。
但有的时候，标注员们忽略的、甚至原本就看不到的那些细节，却恰恰是韩路一最想要的。
举个例子，有一个用户在论坛上发帖，问的是怎么跟父母开口说自己不想回老家工作。
几百字的帖子，标注员提取的意图标签是“如何说服父母接受个人职业选择”。
但是其中有一句话，在视界下看起来却是更重要的因素，那句话说的是“我爸上个月刚退休”。
父亲刚退休，想让儿子回到家乡，这真的是一个职业选择的问题吗？
文章里面没有提到的，父母对儿子提出需求的契机到底是什么？
在这个时候，如果儿子询问AI，他真正需要的答案是一个标准的说服技巧吗？还是能够帮助他看穿隐藏在层层迷雾之下，一个刚刚有了很多空出来的时间的老人，对家庭关系的情感需求？
“如何说服父母接受个人职业选择”这个标注，恐怕连问题的方向都没有找对。
给出的原始语料越精简，视界反而越不能在其中发现信号，因为信号往往在那些被忽略的细节里，在那些被普通标注员认为是噪声而精简掉的部分里。
所以韩路一要做的，就是使用视界，把那些别人以为是噪声但其实是真正相关的上下文筛选出来，再配上准确的意图标注。
同样一条数据，别人标注出来是一句话，韩路一标出来的却是当事人所有的心理需求。
这个能力，点石成金。
和赵文渊聊完之后，韩路一又去了趟司衡律师事务所。
顾司玥等在办公室里，桌子上摆了两杯英式红茶。
韩路一坐下之后，端起红茶喝了一口，味道还行。
顾律师最近喜欢喝红茶吗？他不着边际地想道。
顾司玥问道：“怎么，什么事电话里不方便说？”
韩路一把自己的情况讲了一下。
他准备做一家独立的模型公司，核心团队从源码抽调——所谓团队，主要还是赵文渊一个人。
而他的主要问题是：他本人和赵文渊能不能同时在两边任职？
顾司玥听完点了点头，起身从柜子里找出了源码科技的合同档案。
源码科技A轮的协议是她审过的，赵文渊的劳动合同、期权协议都是她拟的，这些条款她比韩路一自己还清楚。
翻了一会儿，顾司玥打开其中一页，放在了韩路一面前。
“先说赵文渊吧，他的情况简单。”顾司玥从旁边抽了一张便签纸过来，然后拿起笔在便签纸上画了一条线，“竞业条款要生效，得源码主动起诉。你是CEO，你会告他跟你做新项目吗？”
“当然不会了。”
顾司玥看了他一眼，在纸上写了两个字，在上面画了一个圈。
“还有下一个隐患，期权。赵文渊在源码的未兑现期权有百分之三，要一年之后才能解锁第一批。”
顾司玥在纸上写了个数字，六千万。
“按照源码二十亿的估值计算，百分之三就是这个数。”她放下笔，说道，“他才入职不到两个月，一股都还没到手，只要离职就全部作废了。”
“那如果不离职呢？”韩路一问道。
“不离职的话，法律上有个忠实义务的问题，员工不能为第三方提供核心技术服务。但是和竞业一样，这是民事责任，源码科技作为主体不提起诉讼的话没有人会追究。”顾司玥说道。
“那就是没问题了？”
“是现在没问题。”顾司玥强调了“现在”两个字，接着说道，“有问题的地方在后面呢，弘远在董事会有席位，有权审查公司运营和重大人事的变动，如果有一天他们发现你的核心技术负责人在给你的体外项目干活——”
顾司玥看了看韩路一，把风险一条一条的列了出来：“到时候他们会要求你解释；同时，他们可以要求赵文渊终止活动，或者直接在董事会上提出对赵文渊进行解雇；他们甚至可能质疑你这个CEO没有在全职工作而提请罢免你——当然，以现在的股权分配来看，这个不太可能实现。”
“既然说到这，再说说你的情况吧，你是CEO加大股东，在A轮投资协议里还签了全职承诺条款。如果你同时实控另一家公司就属于技术性违约。严格来说，投资人可以要求你限期整改，甚至可能触发回购条款。”
韩路一等着她的“但是”。
顾司玥果然有但是：“但是，实操中，投资人几乎不会因为全职条款违约就走法律程序，这样太伤关系了，而且会严重影响公司的正常运营。”
“法律上你的处境比想象中好，只是你要注意一件事：新公司和源码的资产一定要分得很开。”
“为什么？”韩路一问。
顾司玥没回答他的问题，却问道：“你知道当年鼎支付从鼎盛体系里分拆出来的事情吗？”
“听说过一点儿，但那也太早了吧。”韩路一说道，印象里至少是十年前的事情了。
顾司玥点了点头，继续说道：“是2011年的事，我们学商事法几乎一定会学这个案例。当时吕云把鼎支付从鼎盛集团转到了他个人控制的内资公司，鼎盛的投资人作为大股东事先完全不知情，这件事在当时闹得很大，尤其是对吕云本人的评价更两极。支持的人说他有远见，分拆是为了符合支付牌照的要求，牌照不拿到手鼎支付早晚也干不下去；反对的人则说他吃相难看，拿监管当借口把公司最值钱的资产搬到了自己口袋里。”
“这件事的影响一直到今天，每个公司做业务分拆的时候投资人都异常紧张，怕又是就是重演。”
顾司玥把故事讲完，看向韩路一，说道：“吕云当年能把这件事做成，靠的是他在鼎盛内部说一不二的威望。就算是这样，他还是付出了巨大的信任代价，你想清楚了？”