《汤圆模型-意图理解：可能的技术路径分析》
“这是我昨晚连夜写的。”刘大海说。
技术人的邀功还是直白了点。
他把屏幕对着郑晓波，往前推了推。
“先说排除法，指定不是架构创新。”
“意图理解这条赛道，openai的gpt现在是公认的天花板，也就78分出头。他拿一个开源的7b架构，参数量只有人家的零头，跑出852。郑总，这么跟您说吧，这就好比一个我们那县城中学的一个差生，用别人的旧课本自学，高考分数比全省状元还高三十分。我拍胸脯地说，绝对不是架构创新，7b的架构就那么点东西，翻不出花来。”
“现在大模型的竞争，已经过了参数军备竞赛的那个阶段了。几百亿参数、几千亿参数，架构上大家都整的差不多。transforr还是那个transforr，无非是层数搁（gě）那儿多一层少一层，注意力头多一个少一个。”
刘大海一边说一边仔细观察郑晓波的表情。
技术人给领导汇报，又怕说多了太多技术细节，领导听不懂。又怕说的太少太简略，领导觉得不满意。只能小心翼翼，随时调整。
“我能想到唯一的解释，除非这个县城学生用的不是别人的旧课本，而是一份全世界别的学生都没有的，黄金复习资料。”
郑晓波还是面无表情。
这时程远插话了——他没听懂，这没关系，但他主要是怕郑总也没听懂，这种问题不能让郑总来问。
“刘博士，不好意思，你这个比喻指的是？”
“是标注数据。”刘大海也意识到自己说上头了，赶紧扯回来，“郑总也大概了解，我就简单说一下。”
他把电脑转过来，去网上搜了一个流程图，再转回去面向郑晓波。
“咱们训练大模型主要分为几个阶段，先是预训练，就是堆语料，咱们恨不得把互联网上所有的东西都给它整进去。”
“然后是监督微调，找一帮人给模型做示范，教它学明白啥是好赖话儿。”
“再往后就是对齐，让模型学着按人的想法来排，回答得更像正常人说话。”
刘大海指了指屏幕上的流程图。
“第一步大家用的语料都差不多，互联网就那么多东西，你抓我也抓。真正拉开差距的是后面两步，谁的数据标注质量高，谁训出来的模型就强。”
“所以我说，那个……对方