会议室里的气氛被顾屿一句话彻底点燃了。
全集团All-in AI的战略指令让在座的每一位高管都热血沸腾。
大家都在平板电脑上不断输入新的测试指令，看着那飞速生成的文本和代码，各自盘算着如何将这股新力量注入自己的业务线。
顾屿双手按在会议桌上。
“大家先停一下手里的测试。”
众人纷纷放下平板，抬头看向主位。
顾屿拿起桌面上的激光笔，按了一下按钮，背后的大屏幕再次切换画面。
屏幕上出现了一个复杂的树状图，最顶端写着“RLHF”四个英文字母。
“在座的除了少卿和周晨，大部分都不是搞底层算法的。”顾屿看着众人。
“我用大白话给你们解释一下这个机制。”
“天问三号能有今天这种逻辑推演能力，不是凭空变出来的。”
顾屿指向屏幕。
“你们应该都知道我们在成都搞的蜀光园区。”
“那个园区里面，有几千上万名残疾人员工在日夜倒班。”
“他们每天的工作就是坐在电脑前，人工筛选、清洗那些庞大而杂乱的网络数据。”
“他们是天问三号最初的启蒙老师。”
孟夏点了点头，作为内容生态负责人，她对这批特殊员工的工作强度有切身体会。
“但是现在，我们遇到了一个极其棘手的瓶颈。”顾屿语气变得严肃起来。
“天问三号如果想要实现更快的进化，变得越来越聪明，它就需要更多高质量的反馈。”
“这就好比一个学生，课本知识已经全部背熟了，现在需要有人每天给他批改高级试卷。”
“这个过程在学术界就叫作基于人类反馈的强化学习，也就是大屏幕上的RLHF。”
任少卿站起身，补充了一句。
“我们需要让人类来告诉AI，它生成的几十个备选答案里，哪一个是最好的，哪一个是不符合人类价值观的。”
“只有不断地进行这种奖励和惩罚，模型才能真正对齐人类的思维模式。”
顾屿示意任少卿坐下。
“所以，我们需要海量的标注员。”顾屿环视全场，
“几千人不够，几万人也不够。”
林溪看着顾屿，敏锐地抓住了重点。
“顾董，雇佣几十万甚至上百万的专业标注员，这不现实
…。。