简单和大家说一下，你们的工作可能涵盖哪些内容，如果我来做，我会从什么角度着手。
最重要的其实是数据，数据需要聚焦于高质量、特定领域的文本，像哲学的伦理文本，形而上学的著作，社会学的理论研究和实地调查报告，政治学的政策文件、数据文本之类的。
你要找这些，总得知道到哪里去找论文索引，知道到哪里去找开放资源，如果这些不够，要购买的话，到领域期刊去收集数据。
开放的数据收集完，如果需要，再联系综合部去找领域期刊收购他们完整数据库的使用权。
我预计需要确保至少500亿的tokens，来确保专业深度。
确定数据之后要对数据进行清洗吧，要去除噪声重复以及具有偏见的内容。
一些文本也许很热门，有超多引用或者下载，但实际上内容并无价值，这也需要大家来判断。
这是数据阶段要做的工作，在模型开发和训练阶段，你们可以直接用深红来训练，不需要从头开发，直接让工作人员协助你们基于现有模型进行训练。
如果训练结果不满意，需要对模型调整，那么你们可以先自己试试看，有什么不懂的，你们发邮件给我，我安排时间来为大家提出解答。
我的目的是，希望大家能够开放出一个，足够中立客观专业的模型，外界在使用的时候，丢任何一个社会议题给它，它都能给出足够专业的解答。
如果足够好的话，我会考虑把它卖给微博，成为微博社会议题的独立客观第三方意见。
所以，各位，你们的工作很有意义。”
林燃内心实际上在想，各位，不是很有意义，是非常有意义，它可能会改变整个时代的走势，改变整个世界。
至于为什么不自己做？
因为林燃在这个时空要呆很长一段时间，他不想专门花时间来做这个，丢给学生，在深红现有资源下，当成是一个练手的课题恰好合适。
又不是这个暑假就要做完，会当成一个课题，一直推进，这届做不完，新一批学生进来之后继续做，本身交大的生源一年比一年好，林燃数学班的门槛也一年比一年高。
他要在这呆七年左右，时间绰绰有余。
“大家通过这个课题，能够接触到几乎所有的人工智能大模型
本章未完，请点击下一页继续阅读！