改完之后重新跑了一遍。
再用视界看过去。
橙红色几乎消失了，只剩下零星几个边界条件外的数据在蓝色的水流里若隐若现。那些暗蓝色的误杀数据也大幅减少，偶尔闪过一两条，韩路一记下来，又微调了一轮参数。
第三轮跑完，视界里只剩下干净的蓝色。
关掉视界的时候，已经凌晨两点了。
他靠在椅背上，看着最终的清洗报告。
原始数据的有效留存率从赵文渊之前标注的41降到了29——但这29是真干净的。同时误杀率从12降到了不到3，被之前的管线错杀的好数据也救回来了一批。
清洗质量提升的同时，处理速度也快了不少，时间大概只有之前的一半。
韩路一给赵文渊发了消息，把改好的脚本和清洗报告一起传了过去。
“文渊，你明天试试这版，我改了三个地方，垃圾分类器、语义去重和困惑度过滤。”
赵文渊秒回：“你还没睡啊？”
紧接着第二条消息来了：“我看看。”
又过了半小时，赵文渊发了一条长信息：
“你是怎么一晚上搞出来这个的？一般的团队光迭代这个清洗管线就得两三个月，你刚才发我的这个比行业基准的有效率和误杀率都要优秀！按这个效率和精度，全量数据清洗大概一周能跑完！一周后就可以开始预训练了！两个月就能看见第一版模型了！”
难得赵文渊发这么多感叹号，有这么高质量的原始数据和标注数据，他实在是太期待看见训练出来的结果了。
不过这时候韩路一已经睡了。
……
时间往回拨十几个小时，在太平洋的另一边。
美国太平洋时间。
12月27号，周日，下午。
洛斯阿尔托斯山（losaltoshills），约翰的独立屋坐落在这。
约翰·斯诺（johnsnow）是nexai的cto。
不同于ceo瑞恩，有人工智能领域的博士学位，还一路在ai研究院工作。
约翰只有本科学历，他从斯坦福还没毕业就开始创业，前后一共创立和联合创立过五家企业，其中两家分别被谷歌和ta收购，收购后没过几个月他就又离职，继续创业。
约翰在硅谷的风投和技术圈都有很多人脉，自己也做投资人。
像他这样已经财富自由的人，其