第(3/3)页

    “你们现在做PPO强化学习，是不是只用经过标注的问答数据在跑？”

    任少卿点头。

    “格局小了。”顾屿毫不留情地点评，

    “不要只用微调数据去更新梯度。在强化学习的训练池里，按固定比例，直接混入初始的无监督预训练语料。”

    他在交汇点画了一个大大的感叹号。

    “让模型在应对考试打分的时候，既要看它懂不懂规矩，也要同时考它之前学过的基础知识。为了拿到综合高分，它就必须一边学着变乖，一边不断复习原本的本领。再配合稍微放缓一点的学习节奏，它那种学了新规矩就忘掉老知识的毛病，就能压制在百分之一以内。”

    A1核心区安静下来。

    任少卿一把拽过终端键盘，十指在按键上砸得劈啪作响，直接在测试环境里疯狂重构代码逻辑，试图推演顾屿这两个方案的数学极值。

    五分钟后，任少卿停下手，长长地吐出一口浊气。

    “顾总。”任少卿抬起头，

    “这两套补丁方案完美契合现有的底层架构，不仅解决了问题，还把训练效率最少提升了百分之三十！”

    林远静静站在原地，心跳如擂鼓。

    他终于明白为什么眼前这群心高气傲的天才，会对一个还没大学毕业的年轻人如此敬畏。

    这根本不是什么商业老板视察工作，这是一场跨越维度的技术布道！

    “马上组织所有人手改写算法框架！”楼天城拍了拍手，冲着整个实验室大声下达指令。

    “一组去写KL散度惩罚项的代码嵌进PPO！二组去调初始无监督预训练语料，和微调数据做混合！三组完成分布式训练。三天内，我要看到新版本模型重新跑在GPU集群上！”

    整个实验室因为顾屿的三言两语，彻底扫空了之前的颓废与暴躁，如同加注了顶级燃料的超级引擎，全速轰鸣。

    顾屿重新端起那杯微凉的美式咖啡，喝了一口。

    “你们放心改。”顾屿看着大屏幕上重新规划的训练任务节点，

    “这个暑假我哪儿也不去，每天就在雅安基地陪你们死磕。”

    “争取用最快的时间，把天问三号的完全体训练出来。”

    “等到天问三号正式对外发布那天。我要让硅谷那帮巨头看清楚，什么才是真正的人工智能大时代。”

    　　


    第(3/3)页