68階級
68階級(第4/7頁)
，我們聽說，他們請了代理人。”
陳望月目光一動。
（本章未完，請點擊下一頁繼續閱讀）68階級(第2/2頁)
她太清楚這三個字的含義了，之前那位被她的夢校錄取的男同學，學術世家出身，名下十八項專利，基本全是找的代理人，據說發表的兩篇核心期刊論文，也是他的教授父親直接從研究生手裡拿來，用私人渠道投上的。
學生競賽，從來不是學生和學生之間的技能比拚，在學分榮譽獎勵和升學政策影響下，很多競賽已經演變成了一場又一場幕後代理人戰爭，總是能憑借家裡提供的資源，繼續成為勝者。
“哎，冇證據的事，彆胡說。”沈泠拍了一下男朋友，“其實就算冇有那麼強的對手，這次比賽拿獎也很難，現在ai大模型開發卷得要死，我們十幾個人的學生團隊怎麼跟人家拚啊，所以我跟宇城說，及時止損算了。”
陳望月看著玻璃杯裡漂浮著的冰塊，忽然道，“換一條賽道，怎麼樣？”
“什麼？”
三雙眼睛齊刷刷看向她。
“你們還記得上周經濟史上老師講的案例嗎，上個世紀，希溫州一位農場主在自己家的河床裡發現了大量的黃金，這個消息迅速傳遍全世界，大量掘金者湧向了希溫州，人口也隨之暴漲，但後來的現實證明，希溫州根本冇有那麼多黃金，真正賺到錢的是那些為掘金業提供後勤服務的人，他們把鏟子這類掘金必需品運往希溫州，高價出售，還有人在當地開了銀行，專門服務那些挖到金子的人，最後這家銀行成了我們卡納最大的私有銀行之一。”
“所有人都想掘金的時候，你們可以做賣鏟人。”
陳望月鋪開一張餐巾紙，給他們畫圖示意。
“ai大模型現在是一片紅海，也許論開發實力你們排不上前列，但你們可以去上下遊環節尋找機會。”
“大模型的訓練需要海量的數據，但計算機能夠理解的數據，需要經過分類、標記等預處理。據我所知，大型科技公司一般不會在數據標註這類繁雜但低質量的工作上浪費時間，對嗎？”
沈泠點頭，“對，他們會找外包，自己招人太麻煩了，而且成本也高，一般是把訂單分派給等勞動力價格便宜地區的數據標註員。本來隨著機器學習模型的發展，也有一部分數據標註工作被計算機取代，人類員工更多承擔審核及糾正錯誤標註結果的工作，但是現在最主流的大模型發展方向都是‘擬人’，強化學習和人類反饋訓練模式重新開始流行，人工標註員的工作又變得重要起來。”
“我明白了，望月，你的意思是，讓我們不要去卷數據大模型，而是去創新數據標註的工具！”荊宇城難掩激動，“大家都覺得這不是核心
（本章未完，請點擊下一頁繼續閱讀）