尽管信心满满，但能够这么顺利的就取得橘子大模型的源代码，还是让Madeline喜出望外。
千寻的安全部门手里有大量的0day漏洞（被黑客发现的，开发者和用户不知道的漏洞），他们所制作的木马就是利用了linux系统中的几个0day漏洞来远程执行代码并获取权限。
千寻根本没有等太久，那个加密包第二天就被柚子科技解密调用了，里面果然是橘子大模型内测后的修复版本。
吴恩德离开后，接替他工作的傅远生虽然满嘴军令状，但心里其实还是忐忑的。
他是内行，虽然此前没有接触过橘子大模型这种类型的神经网络，但BP、LSTM、CNN、RNN、DNN、Seq2Seq等模型还是玩的很熟的。
无论什么神经网络，本质上都没有删除数据这么一说，只能重新训练。
深度学习并不是把数据资料存在某些地方供神经网络调用，而是让神经网络“学习”这些内容，学习后的东西会导致“神经突触”的变化，而大模型的“神经突触”，就是所谓的“参数”。
这些参数的数值变化和相互的连接，就像人类学习的时候神经突触的连接一样，意味着大模型真正“掌握”了训练的知识。
比如一个参数13B（130亿）的大模型，存在一块硬盘上，可能大小有20个G。
让它接受2个T的数据训练后，可能它的大小还是20个G。
大小没有什么变化，但这2个T的资料它却已经完全掌握了。
但既然是模仿人类神经形成的人工智能模型，其实也存在了人类智能的某些问题。
比如说“遗忘”的问题，就是明明学了，过一阵时间之后却发现AI把学过的东西忘了。
AI过度训练后，可能会出现对新数据“想当然”的现象。
就像人类面对新生事物时，明明什么都不明白，却用过往经验进行解释，这在AI领域中叫“过度拟合”。
一堂课老师讲了半本书，前三页你还能听明白，到后面就是听天书，对于AI来说，就是“信息过载。”
人类接触到的信息是片面的情况下，就会导致认知偏差，AI的数据如果集中存在某一种意识形态的内容，同样会导致认知偏差。
林林总总。
更有甚者，原本是个好模型，别人训练都没事，你来训练，要么无法收敛得到结果（可以理解为学不会），要么灾难性遗忘，要么梯度爆炸或消失。
在架构和参数没有太大改动的情况下，能不能训练出可用的大模型，甚至是一门玄学。
AI的训练与调优充满了复杂性和不可预测性。
有时候，一个微小的参数调整或数据处理步骤的变化，就能导致训练结果的巨大差异。
就算傅远生严格按照科学的方法调整超参数，精心选择数据集，并使用最先进的硬件设备，但他仍旧没有足够的信心在短短的一两周时间内，把橘子大模型重新训练一遍去除柚子科技的所有痕迹。
但成了的话，自己可就是AGI之父啊！
升职加薪啊！
成为世界第一的AI权威啊！
又有几个人能抵挡这样的诱惑呢？
而且千寻早就准备好了，如果柚子科技那边反击，甚至放出橘子大模型是他们自我研发的实锤，千寻也不怕。
掌握了十几亿经费的公关一号位可不是吃素的！
哼！
入关之后，自有大儒为我辩经。
先搅浑水，过上半年再持续的岁月史书，柚子科技没多久就成了历史笑柄了！
傅远生实际上手之后，更是喜出望外感觉自己天命加身。
这个橘子大模型和柚子训练框架太踏妈好用了。
无论用什么策略调整参数，几乎训练效果都很好，效率奇高。
应该三天就能完成一轮训练。
公测版本的橘子大模型相较内测版的130亿参数又做了倍计的提升，足足有1500亿的参数。
傅远生指挥自己三个忠实走狗，四个人开始关在小黑屋里闭关，一边去除橘子大模型内的柚子科技的痕迹，针对性的调整参数，一边进行重复训练，尽可能的覆盖这个大模型原本学习的知识。
尤其是那种“你是谁创造的？”之类的问题，必须对大模型进行监督学习，让其遇到类似的问题都能回答是“我是‘闻君一言’，是一个AI助手，千寻公司创造了我。”
或，“千寻的天才工程师们日以继夜的工作和努力，才让我和你见面，开心吗？”
为了彻底避免问题出现，傅远生他们甚至把“柚子科技”、“柚子”及能够联想到的其他词语都作为禁词，禁止修改后的“闻君一言”在任何方式下提及到。
当然，这仍然不能彻底解决问题，不过没关系，千寻只准备公测三天，三天后，马上就宣布公测结束，系统升级，剩下的时间慢慢搞。
总是能把这个问题解决掉的。