“人都齐了，开个会吧。“
接下来的半个小时里，白迁和潘思轮流汇报了这几天的工作进展。
核心内容就一个
YanHai-1.5B模型的测试结果已经全部出来了，各项指标都远超预期。
“用一句话总结就是“
白迁推了推眼镜，脸上难掩兴奋之色：
“我们用五分之一的参数量和十分之一的训练数据，打平甚至超越了市面上主流的中型模型。“
“这个结果，放在整个AI行业里，都是炸裂级别的。“
“现在我们要考虑的是下一步怎么办。“
潘思接过话茬：
“按照之前的计划，下一步是启动30B参数量模型的训练。“
“但是......“
他顿了顿，脸上的表情变得有些凝重：
“30B模型的训练，跟1.5B完全不是一个量级的。“
“哪怕有陈总的新架构加持，显存占用已经降低了60%，但全量训练下来，保守估计也需要至少一个月的时间。“
“而且还有一个问题“
潘思看向陈林：
“数据。“
“我之前准备的那批语料库，质量是没问题的，但在某些垂直领域的覆盖面还不够。“
“比如医疗、法律、金融这些专业性很强的领域。“
“如果想让30B模型在这些领域也能表现出色，我们需要更多高质量的专业数据。“
陈林听完，微微点了点头。
这个问题他之前就想到了。
“数据的事，我之前和科技部那边的廖副部长提过。“
陈林开口说道，语气平淡。
白迁和潘思同时竖起耳朵，眼睛里闪烁着期待的光芒。
如果能拿到国家级的数据权限，那可是梦寐以求的事情啊！
那些被各大官方机构严格保管的高质量数据，随便拿出来一点，都够他们训练好几个模型的。
然而
“廖副部长的回复是“
陈林顿了顿，看着两人那充满希望的眼神，有些不忍心继续说下去。
但该说的还是得说。
“首先，数据集团不归科技部管。“
“其次，目前全国各地都在各自筹建本地的数据集团，华夏数据集团并没有正式成立。“
“所以暂时没办法给我们全国性的数据权限。“
话音落下。
会议室里瞬间安静了下来。
白迁和潘思对视一眼，脸上的表情都有些失落。
“唉......“
白迁叹了口气，摘下眼镜揉了揉眉心：
“我就知道没这么简单。“
“国家级数据权限这种东西，怎么可能轻易开放。“
潘思也点了点头，脸上虽然有些失望，但很快就恢复了平静。
“行吧，既然官方渠道走不通，那就只能靠我们自己了。“
他推了推眼镜，语气变得认真起来：
“其实之前我就想过一个备用方案。“
“什么方案？“陈林问道。
“建一条训练数据流水线。“
潘思站起身，走到白板前，拿起马克笔开始画图：
“整个流程分三步“
“第一步，从网上爬数据。这一步本质上就是一个复杂一点的爬虫，技术上没什么难度。“
“第二步，清洗数据。这一步是关键。“
他在白板上画了一个方框，里面写着“YanHai-1.5B“：
“我们可以用已经训练好的1.5B模型作为底层，来快速判断和清洗爬取到的原始数据。“
“1.5B模型虽然参数量不大，但基本的语义理解和质量判断能力已经足够了。“
“用它来过滤掉那些低质量、重复、无意义的内容，效率会比人工筛选高几十倍。“
“第三步，喂给模型训练。这一步和之前的区别不大，就是把清洗好的数据送进训练管线。“
潘思放下马克笔，转身看向陈林：
“整个流水线搭建起来以后，就相当于一个'自动化数据工厂'。“
“只要服务器不停，它就会不断地从互联网上抓取数据、清洗数据、生成训练语料。“
“虽然在垂直领域的专业数据方面可能还是有所欠缺，但至少能解决'量'的问题。“
陈林听完，在心里快速评估了一下这个方案的可行性。
从技术角度来看，这个方案是可行的。
用已有的小模型来辅助数据清洗，是业内常见的做法。
只不过大多数公司的小模型质量一般，清洗效果也就那样。
但演海不一样。
他们的YanHai-1.5B，可是用陈林那套“魔法架构“训练出来的。
别看参数量只有1.5B，实际能力已经接近甚至超过了市面上的7B模型。
用这玩意儿来做数据清洗，效果绝对不会差。
“这个方案......“
陈林沉吟了几秒，然后点了点头：
“可以。“
潘思脸上顿时露出笑容。
“不过“
陈林话锋一转：
“在正式启动30B模型训练之前，我觉得应该先把这条数据流水线搭起来。“
“一来是为30B模型储备更多的训练数据，二来也是验证一下这套流程能不能跑通。“
他看向潘思：
“这条流水线的开发，你来牵头。“
“需要什么人手，你直接调配。“
潘思立刻点头：“没问题。“
陈林又转向白迁：
“白博士，流水线搭建完成之后，30B模型的训练由你负责。“
“收到。“白迁也点了点头。
最后，陈林的目光落在沈妍和孙宇身上。
“你们两个，这段时间就先跟着潘思，帮忙做流水线的开发。“
沈妍轻轻“嗯“了一声，表示明白。
孙宇则是一脸兴奋：
“太好了！终于可以干点正经活儿了！“
“我之前写的那些数据清洗脚本，终于派上用场了！“
陈林看着孙宇那副跃跃欲试的样子，嘴角忍不住抽了抽。
这家伙......热情是挺高的，就是不知道能不能靠谱。
不过话说回来
孙宇虽然基础差了点，但这几个月跟着潘思学习，进步还是挺明显的。
从最开始的Python零基础，到现在已经能独立写一些简单的脚本了。
虽然代码风格有点......呃......朴素？
但至少能跑通，也算是可用的生产力了。
“行，那就这么定了。“
陈林站起身，宣布散会：
“流水线开发这块，大家全力配合潘思。“
“有任何问题，随时找我。“
会议结束后，众人开始忙碌起来。
潘思召集白迁、沈妍和孙宇，开了个小型的技术对接会，讨论流水线的具体实现方案，陈林也在一边听着，他现在的python代码水平也不低，到时候也要帮着一起开发。
时间就这样悄然流逝。
一转眼，就到了中午十二点。
“老板，我们出去吃饭了啊~“