韩路一自己看了一下 Mercury 3.1就是刚才瑞恩展示的那个，得分是74.8。

    办公室安静了三秒钟。

    韩路一没有说话。苏念念也没有。

    “我跑了三遍验证。”赵文渊说。“第一遍以为评测代码写错了。第二遍换了评测框架，分数不同，但是结果排序一样。第三遍打乱评测集做交叉验证，误差在0.3个点以内。”

    他往后翻了一页。屏幕上是具体的案例对比左列是用户输入，中间是各模型的理解结果，右列是标注的真实意图。

    赵文渊翻了几页案例对比，没有逐条讲解，但每一页停留的时间特意拉长了一些，像是在确认韩路一和苏念念有没有跟上。

    韩路一跟上了。

    意图理解，简单来说，就是模型能不能读懂用户真正想要什么。用户打字输入的内容是表面，表面之下是处境、是约束、是没说出口的真实需求。绝大多数模型在做的事情是理解字面意思，然后给出一个正确但泛泛的回答。而PX-7B做到的，是从同样的输入中读出字面背后那个具体的人。

    这是一个极其困难的任务。参数量大十倍的模型都未必做得好，因为它考验的不是知识储备，而是对人的理解。

    赵文渊合上案例页，回到那张柱状图。

    赵文渊郑重说出了这句话。

    “韩总，我做这行这么多年了，从来没见过一个7B的东西能在任何单项维度上打赢GPT-4，从来没有。”

    “而且这才是第一轮，只跑了几个epoch，超参数都没调到最优。在这个基础上再调试几轮，还有上升的空间。”

    苏念念一直没说话，这时候才轻轻开口说了一句：“意图理解……这不就是开物一直想做的事吗？”

    韩路一点了点头，心里好像都松了一些。

    视哥，给力！

    沉思了一下，韩路一问了一个问题。

    “如果有十万条这种精度的数据呢？”

    赵文渊仰起头，对着天花板想了一会儿。

    “十万条这种精度的标注，”他慢慢说，“理论上足够在70B甚至更大的基座上把意图理解能力拉到当前行业天花板，之上。”