目录加载中...
虽然韩路一刚说了苏念念，可是其实他也给自己安排了视频会议。
和赵文渊。
赵文渊自从请假之后就没来办公室上班了，最近一直在家搭数据管线，在鼎盛那边的程序走完之前做准备工作。
两人先把训练的策略过了一遍，会议结尾，韩路一问了一下时间线。
“文渊，鼎盛那边账户大概这两天就能配好，你这边什么时候能开跑？”
电话那头，赵文渊停顿了一会，似乎在组织语言，然后才开口道：“韩总，就算算力到位了，开跑之前还有一道坎。”
“什么坎？”
“上周五我和你说的，预训练数据的预清洗。”
韩路一坐在办公桌前想了想，是有这么回事。
“咱们现在手里有什么了？坎在哪？”韩路一问道。
“有CommonCrawl里的数据，还有公共版权的书籍资料，我想在清洗这块优化一下，但是搞了几天还没头绪。”赵文渊解释道。
“嗯……我晚上回去看看。”
挂断视频，韩路一在办公室里思索起来。
韩路一想起来赵文渊的属性面板。
【赵文渊】
【技术S（研究SS）｜协作C｜稳定A】
【特技：大模型训练｜大模型后训练】
后训练是他的强项，预训练这边可能就没有那么熟悉了。
当然了，大模型现在也出来几年了，论文发了那么多，大家没吃过猪肉也见过猪跑了。技能是可以迁移过来的，摸索摸索，预训练也没有那么难。
想要从头做大模型，真正的瓶颈还在数据和算力。
数据也分两块，原始数据和标注数据。
标注数据这块，靠着视界，韩路一已经拿到了世界顶尖的标注。
数量还不太够，但是肝一肝总会有的。
但是原始数据还得想办法。
一般的厂商数据来源主要有几个，除了那些出版物或者特定行业的资料，还要去互联网上收集资料。
互联网的资料也有不同的来源：可以自己在互联网上爬——这就是各显神通了，爬到什么算你的本事；也可以用CommonCrawl。
CommonCrawl是开源的语料库，大模型时代的“数字公共图书馆”。
它是一个非营利组织，目标是“爬取和存档整个互联网”，并将这些数据免费提供给所有人。这个愿景很伟大，也确实帮助到了很多人。
现在市面上的大模型，做通用场景的，有一个算一个，训练语料里一定包含CommonCrawl，无非是有的多些有的少些。
但是CommonCrawl的问题是，它基本没有清洗，里面有互联网上各种各样的原始信息。
就拿中文互联网来说吧，上面最多的内容是什么？知识干货？生活小常识？人生感悟？感人的文学作品？
错了，是垃圾，各种各样的垃圾。
菠菜广告，瑟瑟广告，为了优化搜索结果的重复关键词堆砌。
如果把这些东西当原料直接去制作大模型，你可以期待会看到这样的场景。
你问它：“什么是大模型预训练？”
它回答：“近来大家都对大模型预训练很感兴趣，那么大模型预训练到底是什么呢？小编带大家看一看，看完真的惊呆了！到底该如何评价这件事情？欢迎在评论区留下你的看法！”
所以原料在用之前，先要经过复杂的清洗，这个也不是人工进行的，一般会用传统的基于规则的数据管线筛掉完全无用或有害的信息，然后在剩余的信息中进行去掉语意重复的内容。
对于怎么做，韩路一暂时还没头绪，但是没关系。
晚上问问视哥怎么看。
想到这，他拿出手机看了看时间，已经快六点了。
晚上【404寝室】又约了饭，是张浩然组织的。
本来周末就想约，但是韩路一为了和苏念念准备今天的董事会会议，拖到了今天。
张彪去机场还没回来，韩路一没去坐地铁，奢侈了一把，自己叫了个车。
张浩然订的是一家烤鱼店，比他们的老地方烧烤摊档次高了不少，包厢门口挂了个实木牌子，写着「贵宾席」。
韩路一到的时候，张浩然已经坐在里面了。
两人正打着招呼，马小飞也走了进来，手里举着他的大疆Osmo Pocket 4P，一边进门一边说：
“这个必须发，从烧烤摊到贵宾席，这是咱们寝室的成长纪录片。”
“你就不能进来先坐下？”张浩然说。
“艺术家需要随时记录，你不懂。”
“什么时候干自媒体也成艺术了。”张浩然吐槽。
“大概是抽象艺术吧。”韩路一补刀。
“笑吧笑吧，我上个月刚过二十万粉了。”马小飞不服气地说。
“二十万？”张浩然有点意外，“上次不是才十万出头吗？”
“那都几个月前了。最近科技赛道流量好，我做了一个系列叫'小飞拆机'，专门拆各种国产AI硬件，什么翻译耳机、AI音箱、智能眼镜，拆完给大家看里面到底有没有料。上周那条拆某个AI音箱的，六十多万播放。”
“现在养活自己没问题了？”韩路一问。
“什么话，最近哥们发了，广告报价现在五千一条，标准的，一个月能接四五条，还有平台分成。”马小飞顿了顿，难得认真了一秒，“当然了，也不稳定，这个月好不代表下个月好，但至少现在是我最舒服的状态。”
张浩然看了马小飞一眼：“你说你一个交大毕业的，全职做自媒体，你爸妈没意见？”
“有意见啊，但是看到我赚钱了就没意见了。”马小飞理直气壮，“天下爸妈都一样。”
三个人落座，点了两条鱼，一条酱香味的清江鱼，一条麻辣加辣的黑鱼。主要是因为韩路一不爱吃辣，马小飞却说来吃烤鱼不吃辣就白来了。又另外加了粉条青笋豆制品等等配菜。最后点了一大桶可乐。
张浩然倒是无所谓，他已经打定主意一会儿请客了。
菜上来之前，马小飞先把Pocket 4固定在桌面上，找了个机位能同时看到三个人，还给自己的脸设上了人脸追踪。
然后，马小飞才转过头来，问道：“张浩然你什么情况啊？这么着急把我们叫过来？有什么你马哥能帮忙的？是不是老韩的存款不太够啊？”
韩路一也好奇的看向张浩然。
这确实是张浩然今天想说的正题了，他没理会马小飞的玩笑，表情严肃，声音低沉：“老韩上次不是给了我们一个内测账户吗？你回去用了吗？”
马小飞被他的神情搞得有点不自在：“我打开看了一眼，不是跟什么ChatGPT、豆包之类的一样吗？”
“不一样。”张浩然说：“老韩这个模型，真的会读心术。”
这下别说马小飞，连韩路一也一头雾水了，读心术什么的，是因为汤圆在意图理解这方面确实不错，他说着玩的，看张浩然的样子，怎么好像真信了？
“我给你详细讲讲，我们银行之前不是新换了行长吗，最近总行又在推国产系统迁移，行长助理和直管我的副行长对上了，僵持了两三周。我为这个事儿愁死了不知道多少脑细胞，生怕站错队。结果你猜怎么着，我把这个事儿跟汤圆一说，她全给理清了。”
张浩然说到这，声音压得更低了一点，脑袋往前凑了凑，然后做了个手势，让另外两人也把头凑过来。
“我觉得她说的有道理，然后开会的时候，我就跳船了，力挺行长助理。结果你猜怎么着，行长助理还真是代表着行长的意思，我现在直接进了委员会了，委员会里除了我之外，就是总行下来的经理和我们行的另一个副行长。”
听到这，马小飞开口了：“卧槽，我他妈鸡皮疙瘩起来了啊。”
他转头看了一眼架在桌子上的Pocket 4P，伸手过去拿了回来，关机了。
“你放心，刚才这段我肯定不播出去。”马小飞保证道。
张浩然这时候举起手里的可乐，对着韩路一说：“老韩，我今天就是想谢谢你，你这个AI真是太牛逼了，给我在职场省了三五年的努力啊。”
韩路一却有点儿高兴不起来。
他先和张浩然碰杯，喝了一口可乐，然后才开口道：“我是真没想到能用它来干这个。”
韩路一确实没想到，他有点儿受限于现在市面上的大模型的能力，脑子里想的应用场景都是在上下文不足的情况下让模型更好的理解用户真正的需求，好帮助他们解决问题。
张浩然这种用法，既出乎他的意料之外，又似乎在情理之中。毕竟它的标注数据来源于金手指，说是简易版的读心术也不为过。而且大模型能做得更进一步的是，基于分析的结果，他还能给出行动建议。
但是恰恰也是它最危险的地方。
张浩然刚才说的这些事情，现在别的大模型能做吗？
能做。
但是人们会去听吗？
大概率不会。
不会的原因是什么？
因为它们分析得不够好。
但是汤圆在意图理解这个方向的能力异常高了之后，导致它分析别人的意图时，可以分析得头头是道。
这样它再给出行动建议的时候，人们就很难不会相信。
可是连原版的金手指都不能预测未来。
何况是一个 7B模型，加上弱化版的金手指呢？
如果说对了还好，可是如果说错了呢？
其实说起来，大模型在很多场景下都已经表现得非常好了。比如医疗诊断、法律分析，它们都能给出头头是道的建议。
但是为什么在这些场景下，反而应用推广得最慢呢？
因为这些场景都是典型的高代价场景。
你可以正确率达到 99%，但是 1%的错误会造成严重的后果。
在以前，有专业人士来承担这些后果，但是如果使用 AI的话，谁来承担呢？
想到这，韩路一表情严肃，对张浩然说道：“你以后，别再这么用了。”
张浩然一愣：“什么意思？”
韩路一整理了一下思路，说道：“你没意识到吗？它不止在分析，还给了你具体的建议，然后你照做了。”
然后他加重了语气，一字一顿的说：
“你把判断权交出去了。”
张浩然一下就明白了韩路一的意思，感觉浑身一冷。
是啊，他这次是站对了队，但是他真的知道为什么吗？
下一次呢，怎么办？
他回想一下，最近越来越多的在和汤圆交流职场上自己看不懂的事，她说的都有道理，他也基本上都会采纳。
韩路一的话没有停：“浩然，一旦你越来越依赖它，你的大脑会退化的——”
“到那个时候，你就废了！”
这句话落下，旁边的马小飞忍不住咽了口口水。
张浩然说：“那……我该怎么办？”
韩路一想了想，说：“换一种用法。”
“什么用法？”
“你可以把它当一个朋友，一个老师，但是不能当成先知。咱们上学的时候怎么学习？看见不会的东西先自己思考，实在想不出来，再带着思考的过程和卡住的地方去问老师。或者和朋友交流，你也会先把自己的想法说出来，再去问别人的意见。不放弃自己思考，先思考，带着思考的结果再交流，这才是正确的用法。”
马小飞听到这，忍不住开口说道：“老韩啊，你说的那是你的学习方法吧。我都是看见不会就直接去问老师的。”
韩路一神色怪异的转过头：“海城人上交大的要求就这么低吗？”
“你是不是在阴阳我？”
有马小飞打断，包厢里的气氛没有刚才那么压抑了，恰好这个时候菜上来了。
韩路一不知道张浩然听进去没有，但是三人默契的转移了话题，聊起了别的事情。
张浩然虽然没有升职，但是得到了大领导的赏识，还拿到了实权的工作，值得庆贺。
“说起来，你的烟戒的怎么样了？”马小飞说道。
“还行，没破戒。就是每天晚上加班比较辛苦，你看今天连酒都没点。”张浩然笑着说。
“不是？谁问你了啊？”马小飞提高了声音，“不要欺负我们单身狗啊！”
说到这，马小飞又转向韩路一：“呃，老韩，你跟我还是同一个阵营吧？”
韩路一点了点头。
马小飞好像松了口气，又接着问道：“那你跟苏女神是怎么回事啊？还没确定关系吗？”
“咱不聊这个，行吗？”韩路一看向了烤鱼。
“行吧……”马小飞叹了口气，“我周六去医院看见苏女神了，还打了个招呼。”
“什么？她去医院干什么？”韩路一转向马小飞，急切的问道。
“不是，你怎么不问我去医院干什么啊？”马小飞“嘿”了一声，“重色轻友了吧？”
然后他看了看韩路一的神情，赶紧说道：“好像是她家人住院了吧，我没细问，她看起来气色不太好，可能是太累了。”
韩路一想起今天早晨苏念念的身姿，其实会前能从她的神态中看去一点疲惫，但是会一开始，她就火力全开了。
那个样子，大概是在强打精神吧。
韩路一从桌上拿起手机，打开和苏念念的对话框，打了几个字，又删掉了。
问什么呢？问“你家人还好吗”？他连是谁住院都不知道。问“你还好吗”？今天早上刚见过，她在会上那个状态，说明她不想让别人看出来。
最后他只发了一条：“念念，今天辛苦了，早点休息。”
发完之后他看着那条消息，总觉得说得太少了，但又想不出更合适的话。
苏念念没有秒回。
韩路一把手机放回桌上，继续吃鱼。又过了几分钟，手机亮了一下，他低头看了一眼。
“好的！”
“你也是啊！”
韩路一盯着这六个字看了一会儿，然后锁了屏，没再回复。
吃完饭，张浩然提前去把单买了，临走之前和韩路一说：“老韩，你还是把我的那个内测账号关了吧。我怕我忍不住。”
韩路一想了想，说：“好，我把服务器关了，回去再调整调整，这样确实不能放出去给普通用户用。”
马小飞赶紧说：“诶，你关他一个人的好了，我这边还没用过呢。”
他看到两人神色不善，赶紧又加了一句：“至少明天再关，明天再关吧，让我今天晚上试试先。”
……
回到家，韩路一打开电脑，从赵文渊分享的资料里拉出一部分原始数据，然后用赵文渊放在同一个文件夹里的数据清洗的脚本，跑了起来。
一边跑，韩路一一边打开了视界。
视哥，看看实力。