“32分。一家做互联网金融的公司，招股书写得花团锦簇，但星海读出了几个问题——核心业务依赖关联交易，研发投入占比不到5%，实控人曾有P2P从业经历。”
陈默盯着那个32分，沉默了几秒。“看起来不错。问题在哪？”
陆方放下马克笔，走过来。他从抽屉里拿出一叠打印纸，上面是星海的错误案例记录。第一页用红色马克笔标注了几个大字：误判率约30%。
“问题在这。”陆方把记录本摊在桌上，“初版模型对文本的理解能力很差。招股书里有些句子，人一眼就能看懂，星海会读错。比如——”
他翻到第二页，指着一行被红圈标出的原文：“‘公司核心技术涉及多项授权专利，相关授权协议有效期至2025年。’星海读成了‘核心技术依赖外部授权’，扣了分。但仔细看，只是部分专利是授权的，核心是自己的。这是语义理解错误。”
周寻补充道：“还有更离谱的。某家公司说‘研发费用资本化比例为30%’，星海读成了‘研发费用资本化比例过高’，扣了分。实际上30%在行业里是正常水平。它把‘资本化’和‘激进’自动关联了，这是训练数据的问题。”
陈默翻着那叠错误记录，一页一页，越看越沉默。有的错误是语义层面的，有的是常识层面的，有的是数据源本身的错漏。一家公司明明在招股书里写了“国内市场占有率15%”，星海却因为没找到第三方验证数据，给了“市场地位不明确”的扣分。
“也就是说，”陈默合上记录本，“现在这个版本，还不能直接用来做投资决策？”
陆方和周寻对视了一眼。陆方先开口：“不能。用它筛一遍，人再过一遍，可以。完全信任它，不行。”
周寻补充道：“它的价值在于快。一百多家受理企业，人工读一遍招股书至少一个月。星海一个晚上就能跑完，把明显有问题的筛掉，把值得深入研究的标记出来。但最终的判断，必须由人来完成。”
本章未完，请点击"下一页"继续阅读！ 第2页 / 共5页