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......
第一百九十四章 我见得多了
陈林看着潘思那双眼睛里闪烁的兴奋光芒，组织了一下语言，缓缓开口道:
“潘博士，我得提醒你一下。“
“我在数学大会上推导出的那个算法，是公开发表的。“
陈林的语气很平静，但说得很清楚。
“而且，后面我还会把它整理成正式的论文，发表在JAMS上。“
“我不打算通过专利权，或者别的什么方式，去限制这个算法的使用。“
潘思闻言，微微一愣。
陈林接着说道:
“这几天我在网上看到的信息显示，全世界的AI团队，无论是CloseAI、狗狗这些巨头，还是各个大学的实验室，都在尝试把这个算法融入到现有的模型训练流程中。“
“所以，“陈林摊了摊手，“在这个算法的应用上，可能轮不到我们这个新团队抢先了。“
潘思听完，脸上的兴奋神色稍稍收敛了几分。
他推了推眼镜，若有所思地点了点头。
“我明白了，陈总。“
“确实，如果算法是开源的，那么在应用速度上，我们这种初创团队，肯定拼不过那些大公司。“
陈林看到潘思的表情有些失落，立刻话锋一转:
“不过，潘博士，你也不用着急。“
他的语气里，透着一股自信。
“我马上会开始新的数学研究，尝试研究出更新的更优的人工智能算法。“
“到时候，我们就能用最新的成果，来训练我们自己的模型。“
潘思听到这话，眼睛再次亮了起来。
“陈总，您的意思是......您还会继续在AI算法方面做研究?“
“没错。“陈林点了点头，“数学研究，本来就是我的强项。“
“既然要做AI大模型，那我肯定会在算法层面，尽可能地提供支持。“
潘思听完，整个人都兴奋起来。
“那太好了!“
他用力地拍了一下大腿。
“陈总，如果您能持续产出新算法的话，那我们这个项目，就真的太有优势了!“
“要知道，现在业界最缺的，就是能从数学层面做出创新的人才。“
“大部分AI公司，都只是在工程实现上做优化，真正能从理论层面突破注意力机制的，几乎没有。“
潘思说到这里，语气变得无比郑重:
“如果陈总您能做到这一点，那我愿意加入!“
陈林听到这话，嘴角勾起一丝笑意。
“那待遇方面，潘博士你应该也清楚了吧?“
“清楚。“潘思点了点头，“月薪税后十万，这个我可以接受。“
“不过，“他顿了顿，补充道，“我希望能拿到一些公司的期权。“
“毕竟，如果这个项目真的做成了，公司的估值肯定会暴涨。“
“我也想分一杯羹。“
陈林听到这个要求，并没有感到意外。
像潘思这种在国外大厂工作过的海归，对于股权激励这套玩法，肯定是门儿清。
“可以。“陈林很爽快地答应了，“具体的期权比例，我们后面可以详细谈。“
“但有一点我得提前说清楚期权是有兑现期的，而且会和项目的进度绑定。“
对于这一点陈林之前就有和黄依依做过沟通，给一些愿意加入演海的技术大牛股权激励的是可以的，只要他们在行权以后陈林按市价把股权回购就可以了。
对于陈林来说股权还是很重要的，毕竟是可以直接被【小小理财师】算作为个人资产数字的。
潘思闻言，立刻笑了起来。
“这个当然，我理解。“
两人又聊了一些细节，最终敲定了入职的相关事宜。
潘思表示，自己最快能在下周一正式入职。
送走潘思后，陈林回到自己的办公桌前，长长地舒了一口气。
白迁和潘思，两个技术大牛，都搞定了!
接下来，就该正式启动AI项目了。
……
然而，陈林很快就发现，事情并没有他想象中那么顺利。
11月10日，周一上午。
演海公司的会议室里，陈林、白迁、潘思三人，第一次坐在了一起。
会议室不大，一张长条形的会议桌，周围摆了十几把椅子。
此刻，陈林坐在主位，白迁和潘思分坐两侧。
孙宇、黄依依、云清、沈妍四人，则坐在稍远一些的位置，作为旁听。
陈林环视了一圈，率先开口:
“今天把大家叫过来，主要是想讨论一下，我们接下来AI项目的技术路线。“
“白博士，潘博士，你们两位都是这个领域的专家，我希望能听听你们的意见。“
白迁和潘思对视了一眼，随即几乎是同时开口:
“我先说“
两人说完，又同时停了下来。
气氛，瞬间变得有些微妙。
陈林见状，笑着打了个圆场:
“要不，白博士你先说?“
白迁点了点头，推了推眼镜，清了清嗓子。
“那我就直说了。“
他从背包里掏出平板电脑，点开了一个PPT文件，投屏到会议室的大屏幕上。
“我认为，如果我们要做一个全新的AI大模型，那么首先要做的，就是在架构上进行革新。“
屏幕上，出现了一张复杂的架构图。
白迁指着图上的几个模块，开始详细讲解:
“目前主流的Transformer架构，虽然在并行计算和长距离依赖捕捉上有优势，但它的参数利用效率非常低。“
“而且，Transformer的自注意力机制，计算复杂度是O(n)，这导致了在处理长文本的时候，计算成本会呈指数级增长。“
“所以，“白迁的语气变得无比坚定，“我们必须要设计一种全新的架构，来解决这些问题。“
他点开PPT的下一页，上面是一大堆数学公式和架构示意图。
“我这几年一直在研究的，就是一种基于动态稀疏激活机制的新型神经网络架构。“
“简单来说，就是让模型在推理的时候，不需要激活所有的参数，而是根据输入的内容，动态地选择需要激活的部分。“
“这样一来，计算效率可以提升数倍，同时模型的容量也能得到大幅增加。“
白迁说得非常投入，整个人都散发着一种学者的光芒。
然而，坐在对面的潘思，脸上的表情却越来越古怪。
等白迁终于讲完，潘思立刻开口了:
“白博士，恕我直言。“
他的语气很客气，但话里的意思却一点都不客气。
“你说的这些东西，我在学术界见得太多了。“
“每年都有无数的论文，声称自己设计出了某种'革命性'的新架构。“
“但最后呢?“
潘思摊了摊手，脸上带着一丝嘲讽的笑意。
“绝大多数，都只是在实验室里跑跑toy model，根本没办法应用到实际的大规模模型训练中。“
“为什么?“
他没等白迁回答，便自顾自地继续说道:
“因为这些所谓的'新架构'，往往在理论上很美好，但在工程实现上，要么是训练不稳定，要么是推理速度太慢，要么是对硬件的要求过高。“