笔趣阁

第136章 远超预期（第1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，手指在触摸板上快速滑动，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，常规指针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的大家伙比。」

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

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Mercury3。1一就是刚才瑞恩展示的那个，得分是74。8。办公室安静了三秒钟。

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。」

他往后翻了一页。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么。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，然后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后那个具体的人。

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。