练时的那些，我都统一给它们分成了两类：百分之八十五是必要但不具决定性的条件，剩下百分之十五是那些对模型的能力影响最大的。我们只把那些次重要的标注传给鼎盛，做第一次后训练，最重要的这些，留到最后一轮，在自己的机器上跑。”

    “毕竟，只有物理隔离，才是真的安全。”韩路一说道，“而且，我们也需要给他们看到一些「足够好」的数据，引诱他们来偷。”

    “钓鱼。”赵文渊秒懂。

    赵文渊看着这张图，提出了一个疑问：“等模型训练出来了，可以通过交叉对比检测哪些标注的影响更大；但是现在这个阶段，我们怎么区分呢？还是随便选百分之十五？”

    韩路一想了想说：“我有办法，反正比随便选的好。”

    赵文渊不再追问，点了点头：“这个办法好，反正等到大模型训练出来、发布出去，他们一定会来蒸馏的。蒸馏出来的模型也能复制百分之八十的能力了。你这个办法至少也能让他们降到百分之八十。”

    “嗯，但这不是重点。”韩路一说。“我不只是想防着他们来偷我们的数据。”

    “那还有什么？”赵文渊问道。

    韩路一没有回答这个问题，而是问赵文渊另一个问题：“前两天签的TerSheet，你仔细看了吗？”

    赵文渊知道接下来的话题，应该跟这个签好的文件有关，他从手机里找出了副本。

    “你说的是哪个条款？”

    “就是关于数据保护的那条，股权条款的附加保护机制。”

    赵文渊翻过去看了看原文的条款：

    ---

    【股权条款-附加保护机制】

    若投资方及其关联方未能证明已对公司提供之数据尽合理保管义务，且发生超出本协议授权范围之使用、转移、备份、采样或衍生使用，视为触发本条款。

    一旦触发，公司有权：

    （一）无偿收回投资方已兑换之全部股份，回购对价为零；

    （二）本协议项下尚未消耗之算力额度自动终止，投资方不得就已投入之算力成本主张补偿；

    （三）保留向投资方及其关联方主张实际损失赔偿之权利。

    本条款不以投资方主观过错为构成要件。

    ---

    看完赵文渊抬头看向韩路一：“你早就预料到他们会偷了？”

    “这条可不是保护条款，这是扳机。”韩路一摇了摇头：“也不是只防着鼎盛一家，只要不是自己的机房，自己的机器，我谁都不信任。只是除了自保，我还有别的目的。”

    赵文渊说：“你希望他们来偷，咱们就可以行使这个附加保护机制，免费用他们的算力，还把股权给收回来了？”

    韩路一缓缓的点了点头。

    赵文渊沉吟道：“这个恐怕不好做到呀。”

    又想了一会儿，赵文渊开口道：“主要是不好举证，数据标注也没有追踪码，你说是他从你这偷的，他还说是他拾的呢，除非”

    “除非用水印。”韩路一说。

    “嗯，常规的水印就是特殊字符和统计学水印。”赵文渊说完，突然注意到张彪在旁边拿着笔记本正在记录他和韩路一的谈话。

    怎么，张彪对技术话题突然感兴趣了？

    赵文渊讲题的瘾一下就上来了这种好学的人才不能放过。

    于是他解释道：“数字水印就像是数字资产的追踪码，可以证明一些数字资产的归属。”

    “比如说不可见字符水印，就是在数据里面加入一些人看不见的字符，但是计算机可以读到。这样，如果有人偷走我们的数据，我们用计算机读出来，在特定的位置，含有那些特定的字符，就可以证明，这些数据就是从我们这儿偷走的。”

    赵文渊把刚才韩路一用过的那张纸拉过来，在上面画了个简单的示意图。

    “统计学水印要绕一些。比如说同一个意思有很多个词可以表达，我们提前在数据里把比例定死：''好看''和''漂亮''就按1:2出现。这种统计模式只要整个数据集都符合，那数据就是从我们这儿偷的。”

    “现在不是讲课的时候，回来你和彪哥专门聊。”韩路一说，“文渊，你说的这些加水印的方法都比较常规，破解方法也不是什么秘密，我猜鼎盛既然敢偷，应该会处理好这些。”

    “那怎么办？”

    “我倒是有个想法，逻辑水印。以前应该没人尝试过。”韩路一说道，“他们可以改词，洗数据，但是只要模型一开口，就是铁证。”

    “你是说……”赵文渊思考了一下，觉得自己摸着点头绪，“把标注所体现出的逻辑规则抽象出来，如果对方训练出来的模型，它的逻辑模式和我们的高度相似，就说明对方的标注和我们的标注高度相似。这就像是两个空间逻辑空间和语义空间建立了映射一样。”