c搬到餐桌上，打开电脑，打开邮箱，打开文档。
“...候选程序数量、可见测试通过率和策略覆盖度是三件不同的事。模型可以通过大规模采样制造出数量上的繁荣，却仍然在少数失败族里打转...”
这是直指AlphaCode的漏洞啊，尼克思忖。
他继续往下看，数据格式写得很具体。
每个训练样本从题目描述、候选程序到隐含的假设、失败边界、最小反例等等无所不包。
尼克看到这里，第一反应是麻烦，第二反应是新的数据设置方案大概率有用。
他开始按文档搭最小验证环境。
伊戈尔·巴布什金给他的限制很明确：不用内部敏感数据，不碰生产系统，不动AlphaCode主流程，只用公开题目和小规模候选程序集。
伊戈尔之所以会这样选，是因为他不想被谷歌发现。
他还想拿着这个模型在谷歌和推特两家之间待价而沽呢。
尼克从公开竞赛题里挑了一批结构清楚的题，按文档要求整理候选程序，把其中一部分错误解法标上失败原因，再用脚本生成针对性的反例探针。
一开始他还有点不耐烦，因为这东西过于手工。
指标漂亮当然是好事。
但前提是，漂亮的指标得是模型自发生成的。
而不是事先知道我要什么样的指标，故意设置甚至是手工修剪出来的指标。
为什么未来华国的模型在测试表现上和阿美莉卡的模型差不多，但使用体验却有明显差距。
就是因为针对测试的指标，进行的人工修剪成分过多了。
来自老板的文档里提前标注了：第一轮要证明失败家族这个变量是否能提供额外信息。
如果这个变量在小规模手工标注里都没有价值，那就没有必要专门写程序把它给自动化。
第一天他跑完第一组基线，普通采样加可见测试过滤后，候选程
本章未完，请点击"下一页"继续阅读！ 第2页 / 共4页