第269章 工作的挑战（2 / 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。
行。测完给我数字。
散了之后，林晨在小会议室坐了一会。白板上那三个词还在。他拿手机拍了张照，然后把白板擦了。
走出会议室的时候，陈铭正在工位上打电话，声音压得很低但语速很快，大概在跟谁确认什么事。林晨没过去，直接回到自己工位坐下。
打开电脑，新建了一个空白文档。标题：智研项目方案书。
第一章：数据源定义。他开始列需要的数据类型。券商研报——总量策略、行业配置、个股深度。公募基金季报年报。保险资管月度策略报告。交易所公开数据。监管文件。
写完第一遍，他停下来。又在每一种数据类型后面补了标注。研报——部分券商当付费产品，授权难度大。基金季报——公开可取，但清洗工作量不小。监管文件——没有授权问题。
他打开FGPT后台的数据看板，翻了翻v3版本的训练数据分布。研报类语料只占全部训练数据的2.3%。2.3%。这个数字解释了很多问题。通用大模型在投研任务上表现差，模型架构是一方面，更根本的原因是它根本没见过多少研报。
他退出来，又打开邮箱，搜数据合作框架协议。三份文件跳出来——国泰、海通、中信建投。他逐个打开扫了一遍。每份都是两三页的标准框架——合作意向、保密条款、知识产权约定。没有一份涉及具体的数据清单和授权范围。框架协议就是一张纸，意思是愿意聊愿意给你数据差着十万八千里。
他靠回椅背，揉了一下眼睛。手机亮了。苏婉发来消息：还没回来？
他打字：还要一会。
乐乐今天作业得了一颗星，等你回来跟你说。
林晨看了两秒，把手机扣在桌上。继续写方案书。数据获取难度——他在每一项后面简单标了评估。研报：难。基金季报：中。监管文件：易。粗算下来，百分之四十的数据需要谈判获取，百分之三十存在授权壁垒。
他保存文档，关掉，又打开，看了一遍，又关掉。又翻出那三份框架协议，逐个看保密条款和知识产权那两节——全是模板话，合作意向双方协商另行约定，没有一条是硬承诺。数据的事，写代码解决不了。
然后他坐在那里，翻出张伟两个月前发他的一份券商行业研究报告——张伟当时说这报告写得不错你看看，跟项目无关。他翻了几页，图表、数据、分析师的观点。他看得比平时仔细，看的时候在想：如果我要训练一个模型来理解这种东西，我需要喂给它多少份？一千份够吗？五千份呢？这些报告的格式五花八门，有的结构化程度很高，有的通篇都是叙述，连个数据表格都没有。清洗这些数据的工作量可能比获取数据本身还大。
他把报告关了，给陈铭发了条消息：明天去国泰之前，把跟他们签的框架协议重看一遍。重点看保密条款和知识产权那两节。
发完之后他又靠在椅背上。办公室的灯管有一根在微微闪，不注意根本看不出来。他盯着那根灯管看了一会，然后关电脑，收拾东西下楼。
开车回家路上，他没放音乐，就这么开着。脑子里的东西翻来覆去——数据授权的时间线，模型选型的方案，标注团队要几个人。快到小区的时候他才给苏婉打了个电话。
还有多久到？
五分钟。
乐乐已经睡了。
新项目？
压力大？
林晨把车开进地下车库，停好车，没熄火，坐在车里想了想。有点大。
能做吗？
能做。
那就行。苏婉的语气很平常，好像他说的是明天要交一份普通报告。回来吃点东西，冰箱里有粥。
到家之后林晨确实饿了。粥热了一碗坐在餐桌边吃。苏婉从卧室出来穿了件外套，坐在对面看着他。
什么项目？
金融大模型。面向券商的投研助手。
跟FGPT不一样？
FGPT是通用的。这个更垂直——帮分析师看研报、提数据。
那你不是最合适的人吗？你做量化做了三年，这些数据你天天在看。
她说得跟陈博士说的几乎是同一件事。陈博士说的是没买过一股股票，苏婉说的是这些数据你天天在看。一个从技术角度，一个从使用角度，但结论一样。
我知道了。林晨把碗放下。
苏婉站起来回卧室，走到门口回头说了句：粥碗放水池里就行。
凌晨两点，林晨还没睡着。他翻了个身，脑子里全是数据——全是他做量化交易时每天打开的那些东西：Wd终端的研报推送、同花顺的财务数据、交易所的公告页面。这些东西长什么样他清楚，哪些是噪音哪些是信号他也清楚。但知道是一回事，能不能把这些东西变成大模型能理解、能输出的结构化信息，是另一回事。
他翻了个身，脑子里还盘着明天要先联系谁。
↑返回顶部↑