韩路一刚提过苏念念，其实也给自己安排了视频会议。

    和赵文渊。

    赵文渊请假后就没再去办公室，最近一直在家搭数据管线——鼎盛那边的程序走完前，先把准备工作做起来。

    两人先过了一遍训练策略。会议结尾，韩路一问起时间线。

    “文渊，鼎盛那边的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，赵文渊停顿片刻，像在组织语言，才开口：“韩总，就算算力到位，开跑前还有一道坎。”

    “什么坎？”

    “上周五跟你说的，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？坎在哪？”他问。

    “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，搞了几天还没头绪。”赵文渊解释。

    “嗯……我晚上回去看看。”

    挂断视频，韩路一在办公室里思索起来，随即想起赵文渊的属性面板。

    【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那么熟。

    当然，大模型出来几年，论文发了那么多，大家没吃过猪肉也见过猪跑。技能可以迁移，摸索摸索，预训练没那么难。

    想从头做大模型，真正的瓶颈还在数据和算力。

    数据分两块：原始数据和标注数据。

    标注数据这块，靠视界，韩路一已经拿到世界顶尖的标注。数量还不太够，但肝一肝总会有的。

    原始数据还得想办法。

    一般厂商的数据来源主要有几个：除了出版物或特定行业资料，还要去互联网上收集。互联网资料也有不同来源——可以自己爬，各显神通，爬到什么算什么；也可以用CommonCrawl。

    CommonCrawl是开源语料库，大模型时代的“数字公共图书馆”。它是个非营利组织，目标是“爬取和存档整个互联网”，并把数据免费提供给所有人。这个愿景很伟大，也确实帮到了很多人。

    现在市面上做通用场景的大模型，有一个算一个，训练语料里一定包含CommonCrawl，无非有的多些有的少些。

    但CommonCrawl的问题在于，它基本没有清洗，里面是互联网上各种各样的原始信息。

    就拿中文互联网来说，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做模型，可以期待看到这样的场景。

    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，先要经过复杂清洗。这也不是人工进行，一般会用传统基于规则的数据管线筛掉完全无用或有害的信息，再在剩余信息中去掉语意重复的内容。

    至于怎么做，韩路一暂时没头绪，但没关系。

    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。包厢门口挂了块实木牌子，写着“贵宾席”。

    韩路一到时，张浩然已经坐在里面了。

    两人正打招呼，马小飞也走了进来，手里举着大疆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。

    “二十万？”张浩然有点意外，“上次不是才十万出头？”

    “那都几个月前了。最近科技赛道流量好，我做了个系列叫“小飞拆机”，专门拆各种国产AI硬件——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，难得认真一秒，“当然也不稳定，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。主要是韩路一不爱吃辣，马小飞却说，来吃烤鱼不吃辣就白来了。又加了粉条、青笋、豆制品等配菜，最后点了一大桶可乐。

    张浩然倒无所谓，他已经打定主意一会儿请客。

    菜上来之前，马小飞先把Pocket 4固定在桌面上，找了个能同时看到三个人的机位，还给自己的脸设上人脸追踪。

    然后他才转过头问：“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？”

    韩路一也好奇地看向张浩然。

    这确实是张浩然今天想说的正题。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。读心术什么的，是因为汤圆在意图理解方面确实不错，他说着玩的，可看张浩然的样子，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，脑袋往前凑了凑，又做了个手势，让另外两人也把头凑过来。

    “我觉得她说得有道理，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，委员会里除了我，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：“卧槽，我他妈鸡皮疙瘩起来了。”

    他转头看了一眼架在桌上的Pocket 4P，伸手拿回来，关机。

    “你放心，刚才这段我肯定不播出去。”马小飞保证。

    张浩然举起手里的可乐，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。”

    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，才开口：“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大模型的能力，脑子里想的应用场景，都是在上下文不足时让模型更好理解用户真正的需求，好帮他们解决问题。

    张浩然这种用法，既出乎他的意料，又似乎在情理之中。毕竟它的标注数据来源于金手指，说是简易版读心术也不为过。而且大模型能更进一步：基于分析结果，还能给出行动建议。

    可这恰恰也是最危险的地方。

    张浩然刚才说的这些事，现在别的大模型能做吗？

    能做。

    但人们会去听吗？

    大概率不会。

    为什么不会？

    因为它们分析得不够好。

    可汤圆在意图理解这个方向的能力异常高之后，分析别人的意图时就能头头是道。这样它再给出行动建议，人们就很难不相信。

    可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？

    说对了还好，说错了呢？

    其实说起来，大模型在很多场景下都已经表现很好。比如医疗诊断、法律分析，它们都能给出头头是道的建议。可为什么在这些场景下，应用推广反而最慢？

    因为这些场景都是典型的高代价场景。

    你可以做到99%正确，但1%的错误会造成严重后果。以前有专业人士承担后果，可如果使用AI，谁来承担？

    想到这，韩路一表情严肃，对张浩然说：“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：“你没意识到吗？它不止在分析，还给了你具体建议，然后你照做了。”

    他加重语气，一字一顿：

    “你把判断权交出去了。”

    张浩然一下明白了韩路一的意思，感觉浑身一冷。

    是啊，他这次站对了队，可他真的知道为什么吗？

    下一次呢？怎么办？

    他回想一下，最近越来越多地和汤圆交流职场上自己看不懂的事。她说的都有道理，他也基本都会采纳。

    韩路一的话没停：“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：“换一种用法。”

    “什么用法？”

    “你可以把它当朋友、当老师，但不能当成先知。咱们上学时怎么学习？看见不会的东西先自己思考；实在想不出来，再带着思考过程和卡住的地方去问老师。或者和朋友交流，你也会先说出自己的想法，再去问别人意见。不放弃自己思考，先思考，带着思考结果再交流，这才是正确用法。”

    马小飞听到这，忍不住开口：“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。”

    韩路一神色怪异地转过头：“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，包厢里的气氛没刚才那么压抑了。恰好这时菜上来了。

    韩路一不知道张浩然听进去没有，但三人默契地转移话题，聊起了别的事。

    张浩然虽然没升职，但得到大领导赏识，还拿到实权工作，值得庆贺。

    “说起来，你的烟戒得怎么样了？”马小飞说。

    “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。

    “不是？谁问你了啊？”马小飞提高声音，“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？”

    韩路一点头。

    马小飞像松了口气，又接着问：“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，急切地问。

    “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：“好像是她家人住院了，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。其实会前能从她神态里看出一丝疲惫，但会一开始，她就火力全开了。

    那个样子，大概是在强打精神。

    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。

    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，他看着那条消息，总觉得说得太少，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，锁了屏，没再回复。

    吃完饭，张浩然提前去买单。临走前，他对韩路一说：“老韩，你还是把我的内测账号关了吧。我怕我忍不住。”

    韩路一想了想：“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。”

    看到两人神色不善，他又加一句：“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脚本跑了起来。

    一边跑，他一边打开视界。

    视哥，看看实力。