第一百八十四章 处理过了，干净 (第2/2页)

不一会儿，吴英豪回了个戴绿头盔的表情包。
　　
　　刘亚光通过内部通讯发过去一个加密压缩包链接。接着在微信里又补了一句：“密码老样子，走数据入库流程，来源写外部采购，批次号我生成好了，你们填进去就行。”
　　
　　吴英豪微信回得很快：“质量怎么样？”
　　
　　“不知道，你自己看着办吧。”
　　
　　“好。”
　　
　　吴英豪不是第一次从刘亚光这里拿数据。这事不干净，两人之间有固定的默契。
　　
　　数据组隔一段时间就会有这种批次进来，来源五花八门：有爬的，有买的，也有“合作方共享”的。填外部采购是最干净的写法，因为采购来源杂，审计不容易查到。
　　
　　这种事不是第一次，也不会是最后一次。
　　
　　三天后，坤元项目组。
　　
　　刘大海盯着屏幕上最新一轮训练结果的损失曲线，露出惊喜神色。这一轮结果又有上升啊。策略和参数都和上一轮一样，那就只能是数据质量上去了。
　　
　　不错，不错。
　　
　　刘大海立刻起身，去了数据组。
　　
　　数据组的主要工作就是收集和清洗数据。这是脏活、累活，在大模型开发产业链里比较底层。
　　
　　数据组负责人叫吴英豪，三十出头，戴副眼镜。刘大海本来对他印象不算太好，总觉得他干活不太踏实，不知怎么当上小组长的。
　　
　　没想到是自己看走眼了，这人还挺出活儿。
　　
　　刘大海过去时，吴英豪正在电脑前核对一份入库日志。
　　
　　刘大海拍了下他的椅背：“小吴，这轮训练咱用了什么新数据没有？”
　　
　　吴英豪查了查最近记录，只有刘亚光最近送来的那批不太干净的数据。他都没来得及洗就放进了数据仓库——肯定是当时放错了，怎么直接进训练管线了？
　　
　　吴英豪有点心虚，以为刘大海是来兴师问罪的，赶紧撇清关系：“有一批之前采购的数据。大海老师，怎么了？是不是有供应商的数据质量不行，要不要我去向他们追责？”
　　
　　“不好？”刘大海疑惑地说了一声，“这批数据质量好啊，可以多从这家采购。”
　　
　　吴英豪这才明白猜错了方向。可刘亚光那边来的数据，他想多采购也采购不到呀。
　　
　　“原来是这样。大海老师，其实这批数据进来时，我们稍微看过一下，里面噪声还比较多。我们自己花时间处理过，好几个同事加班跑的清洗流程。”
　　
　　刘大海皱了皱眉：“加班确实不太好。既然活干得不错，我帮你们反映一下，看看能不能加点奖金。”
　　
　　“谢谢大海老师。”吴英豪高兴地说。
　　
　　刘大海回到工位后，确实没食言，把这事写进周报，在进展一栏里加了几行。
　　
　　“预训练本轮数据质量较上轮明显提升，Loss收敛速度加快约9%。初步判断，这与数据组本轮清洗工作到位有关，提出表扬。”
　　
　　刘大海写完，把周报发了出去。这份周报进了副总裁林绍峰的邮箱。
　　
　　林绍峰是负责算法和AI的副总裁。看过周报后，他满意地点点头——训练进度有进展，是部门的成绩。林绍峰把“Loss收敛速度加快9%”这一行单独摘出来，放进自己的周报，抄送给全集团高管。
　　
　　当天晚上，张弛在手机上收到林绍峰的周报。看着这个数据，他嘴里“嗤”了一声，小声嘀咕：“一次涨了9%，又让他们出风头了。”
　　
　　他并不知道，这次训练提升来源于他授意分享的数据。
　　
　　……
　　
　　与此同时，坐在办公室里标数据的韩路一疑惑地看了看视界：最近经验值是不是涨得更快了？