第一百三十四章 远超预期 (第1/2页)
两人来到韩路一的办公室，正准备就刚才的视频会议，谈谈应对策略。
这时，门外传来了急促的敲门声。
“韩总，在吗？”
是赵文渊的声音。
韩路一和苏念念对视了一眼。
韩路一走过去把门打开，赵文渊手里抱着笔记本电脑，一脸兴奋。
“韩总！真神了！”他一边说一边走进来，才突然注意到苏念念也在房间里，一愣。
随即他的表情放松下来，把笔记本电脑放在办公桌上。
“正好，苏总你也在，一起看看。”赵文渊说道，“第一轮训练的结果出来了。”
他翻开屏幕，手指在触控板上快速滑动，调出一个表格。
“先看基础数据。”赵文渊切到第一页，“7B的开源基座微调，参数量不到GPT-4的二十分之一。知识问答、逻辑推理、数学计算、代码生成，常规指标在同量级模型里中游偏上，没有惊喜。7B就是7B，没法跟几百B的大家夥比。”
他看了韩路一一眼，期待着他的反应。
“重点在下一页。”
赵文渊翻到第二页。
屏幕上是一张柱状图。横轴排列着十几个模型的名字，纵轴是分数。
韩路一认出了几个：GPT、Mercury、Gemini。
这些名字旁边的柱子高度差不多，分数集中在71到78之间。
最右边有一根单独的浅蓝色柱子，明显高出一截。
模型名称是PX-7B-post trained-v0.1。
顶端的数字是83.7。
“意图理解维度的评测结果。”赵文渊的声音压低了，语速却很快。“评测集用的是IFEval标准框架加上我自己设计的深层意图还原测试，一共一千二百道题，覆盖十六个垂直场景。”
他拿手指点了点那根浅蓝色的柱子。
“83.7，断层领先。”
“第二名，GPT，78.2。”
“第三名，Gemini，76.9。”
韩路一自己看了一下 Mercury 3.1一就是刚才瑞恩展示的那个，得分是74.8。办公室安静了三秒锺。
韩路一没有说话。苏念念也没有。
“我跑了三遍验证。”赵文渊说。“第一遍以为评测代码写错了。第二遍换了评测框架，分数不同，但是结果排序一样。第三遍打乱评测集做交叉验证，误差在0.3个点以内。”
他往後翻了一页。屏幕上是具体的案例对比一一左列是用户输入，中间是各模型的理解结果，右列是标注的真实意图。
赵文渊翻了几页案例对比，没有逐条讲解，但每一页停留的时间特意拉长了一些，像是在确认韩路一和苏念念有没有跟上。
韩路一跟上了。
意图理解，简单来说，就是模型能不能读懂用户真正想要什麽。用户打字输入的内容是表面，表面之下是处境、是约束、是没说出口的真实需求。绝大多数模型在做的事情是理解字面意思，然後给出一个正确但泛泛的回答。而PX-7B做到的，是从同样的输入中读出字面背後那个具体的人。
这是一个极其困难的任务。参数量大十倍的模型都未必做得好，因为它考验的不是知识储备，而是对人的理解。
赵文渊合上案例页，回到那张柱状图。
赵文渊郑重说出了这句话。
“韩总，我做这行这麽多年了，从来没见过一个7B的东西能在任何单项维度上打赢GPT-4，从来没有。”“而且这才是第一轮，只跑了几个epoch，超参数都没调到最优。在这个基础上再调试几轮，还有上升的空间。”
苏念念一直没说话，这时候才轻轻开口说了一句：“意图理解……这不就是开物
（本章未完，请点击下一页继续阅读）