“没错。“陈林点头，“而且，我希望这个模型，能够在各方面都超越目前市面上的主流大模型。“
潘思闻言，笑了笑，语气里带着几分调侃:
“陈总，您这个目标，可不小啊。“
“要知道，现在全世界做AI大模型的公司，没有一千也有八百。“
“想要做到'全面超越'，难度可不是一般的大。“
陈林也笑了:“我知道难度大，但我相信，只要方向对了，资金和人才到位了，就一定能做出来。“
潘思微微点头，没有反驳。
他沉吟了片刻，缓缓开口道:
“陈总，我能问一下，您对于模型的技术路线，有什么具体的想法吗?“
陈林坦然地摇了摇头:“说实话，我对AI这块还不够专业。所以，我希望能听听你的意见。“
潘思听到这话，眼睛微微一亮。
“那我就直说了。“
他推了推眼镜，语气变得认真起来。
“我在狗狗工作的这几年，参与过好几个大模型的训练项目。“
“根据我的经验，我认为，目前业界主流的模型架构，比如Transformer、MoE这些，其实已经够用了。“
“它们在理论上，都已经被证明是有效的。“
“真正决定一个模型效果好坏的，不是架构本身，而是两个东西——“
潘思伸出两根手指。
“第一，数据质量。“
“第二，对齐。“
陈林听到这话，微微挑了挑眉。
“能详细说说吗?“
“当然。“潘思点了点头，接着解释道:
“数据质量，指的是你用来训练模型的数据，到底有多干净、多高质量。“
“很多人以为，做AI大模型，就是把海量的数据塞进去，让模型自己学就行了。“
“但实际上，如果你的数据里有大量的噪声、错误、偏见，那么训练出来的模型，效果一定不会好。“
“所以，数据清洗，是一个非常非常重要的环节。“
“甚至可以说，“潘思的语气变得无比郑重，“一个模型能不能成功，50%以上，都取决于数据质量。“
陈林听到这里，若有所思地点了点头。
潘思接着说道:
“至于对齐，指的是让模型的输出，符合人类的价值观和期望。“
“比如说，你问模型一个问题，它给你的答案，应该是有用的、准确的、无害的。“
“而不是胡说八道，或者输出一些有害信息。“
“这就需要通过RLHF(基于人类反馈的强化学习)这种技术，对模型进行对齐训练。“
潘思说到这里，忽然话锋一转。
“不过，陈总，您在数学大会上推导出的那个算法，其实已经从数学层面，解决了模型幻觉的问题。“
“这相当于，直接从源头上，提升了模型的可靠性。“
“所以，如果您这边能把那个算法融入到模型训练里去的话......“
潘思的眼睛里，闪过一丝兴奋的光芒。
“我相信，我们训练出来的模型，在内容生成质量和可靠性上，一定能超越目前市面上所有的竞品!“
陈林听完潘思的这番话，心中微微一动。
他忽然发现，白迁和潘思，虽然对于模型架构的看法不太一样，但两个人的观点，其实是可以互补的。
白迁更关注模型架构的创新，而潘思更关注数据和对齐。
如果能把这两个人都招进来，让他们各自发挥所长......