第139章 新的SOTA（1 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
当晚，徐辰收到张乐阳发来的消息，语音里透着掩饰不住的兴奋，甚至连称呼都变了：
“徐神！搞定了！彻底收敛了！精度比我们预期的还要高两个百分点！老板刚才看了结果，高兴得差点没把桌子拍碎，直夸我们这次效率高！我跟老板提了一嘴是您帮忙改的算法，老板说改天一定要请您吃饭！”
紧接着，是一张截图。
图片上是校级计算中心的任务队列管理界面。
“我跟中心那边打好招呼了，我们课题组的账号权限已经给你开通了。这是SSH密钥和IP地址。你直接远程登录就行，不用再跑一趟了。现在四张A100全空着，优先级调到了最高，你随便造！”
“谢了，学长。”
徐辰回了个抱拳的表情。
这个忙也不算白帮，几个小时前，他还得排队填表看人脸色；现在，他手里握着物理学院国家重点项目的算力通道，享受着VIP级别的待遇。
……
徐辰打开终端，输入指令，连接服务器。
“来吧，LAART，让我看看你的成色。”
他敲下了那行早已准备好的指令。
运行！
……
这个阶段是AI的训练阶段，在这个阶段，模型需要通过海量的文本数据，学习语言的语法、词汇之间的关联，以及基础的世界知识。
风扇的轰鸣声仿佛透过网络传了过来。
屏幕上，一行行日志开始飞速滚动。
Eoch1
100|Loss:2.4582|Auracy:12.4%
Eoch2
100|Loss:1.8923|Auracy:28.7%...
起初，Loss曲线的下降并不算快，这在徐辰的预料之中。因为LAART模型引入了复杂的几何约束，模型在初期需要花费大量时间去“寻找”那些逻辑盒子在向量空间中的正确位置。
这就像是在玩拼图，刚开始总是最慢的。
徐辰没有盯着屏幕发呆，他起身给自已泡了杯咖啡，顺便看了会美剧。
两个小时后。
当他再次回到屏幕前时，终端里的数据已经发生了翻天覆地的变化。
Eoch50
100|Loss:0.1245|Auracy:94.2%
“收敛速度比预想的要快。”
徐辰眉毛一挑。
普通的Transforr模型在处理逻辑推理任务时，往往需要海量的数据“喂”进去，靠概率去“蒙”出逻辑关系，所以收敛极慢，且很容易过拟合。
但LAART不一样。
它的“逻辑门控单元”就像是一个严厉的老师，一旦模型试图“瞎蒙”，就会被几何约束狠狠地惩罚。这迫使模型必须去学习真正的因果链条，而不是统计规律。
“差不多了。”
徐辰终止了训练，保存了模型权重。
……
接下来，是见证奇迹的时刻——推理测试。也就是看一下刚刚训练好的AI在实际推理上的成绩怎么样。
他打开了那个专门用来测试逻辑能力的CLUTRR数据集，随机抽取了一道题输入模型。
text（上下文）：“爱丽丝的丈夫是鲍勃。鲍勃的女儿是克莱尔。克莱尔的哥哥是大卫。大卫的儿子是艾瑞克。”
Question（问题）：“爱丽丝是艾瑞克的什么人？”
徐辰按下了回车。
这个问题，在2025年的今天，如果你扔给ChatGPT或者DeeSeek，它们一定能秒回正确答案。
但这并不意味着这个问题简单。
现在的大模型能答对，是科技巨头们“力大砖飞”的结果。他们把参数量堆到了万亿级别，把全人类的互联网数据都喂了进去。它们答对，是因为它们“背”过类似的题，或者靠海量的参数强行记住了概率分布。
而徐辰现在跑的这个SLRM模块的Deo，是个什么水平？
它是一个参数量只有几千万、训练数据仅限于CLUTRR自带的几十兆文本、没有经过任何大规模预训练的“婴儿模型”。
如果让同样规模的传统Transforr模型来做这道题，大概率就是一个废话生成器。要知道GPT-1的参数量都有1.2亿个，在当时，这种体量的模型仅仅被视为文字接龙工具，根本谈不上逻辑推理。
……
屏幕上光标闪烁了0.1秒，就弹出了结果。
回答:Grandother(祖母)
逻辑路径:爱丽丝-＞(妻子)-＞鲍勃-＞(女儿)-＞克莱尔-＞（哥哥）-＞大卫-＞（儿子）-＞艾瑞克.
“漂亮！”
徐辰打了个响指。
不仅仅是答案正确，更重要的是那个逻辑路径。这说明模型不是在“猜”，而是在那个高维的几何空间里，真正地构建出了人物关系图谱，并通过向量运算，一步步推导出了结果！
……
↑返回顶部↑