第四十四章 61%的墙
陈一鸣把第七个开源模型跑完，屏幕上跳出的数字是62.3%。
比昨天的61.8%高了零点五个百分点。
他盯着这个数字看了三秒钟，然后把浏览器标签页一个一个关掉。Hugging Face、GitHub、arXiv论文库、模型排行榜。过去一周，他把市面上能找到的所有开源NLP模型都试了一遍。BERT、RoBERTa、DeBERTa、各种微调版本、各种prompt工程技巧。最好的结果是67%，用的是一个专门针对中文口语的模型，在测试集上跑出来的。
67%。
离他们设定的80%目标线，差了十三个百分点。
十三个百分点听起来不多，但在自然语言处理领域，这十三个百分点可能需要十倍的算力、百倍的数据、或者一个全新的算法突破。他们三个都没有。
林知行坐在对面，盯着自己的屏幕。他用排课系统的解释层架构写了一版方案，准确率54%。比陈一鸣的版本低了七个百分点。他知道自己不擅长NLP，但没想到差距这么大。
"要不，换方向？"方小满从上铺探头。
陈一鸣没回头："换什么方向？"
"不做NLP了。做图像识别，做推荐系统，做别的。"
"那些方向更卷。"陈一鸣说，"而且我们没有数据积累。"
方小满缩回去了。
宿舍里安静下来，只有键盘敲击声和服务器风扇的嗡嗡声。陈一鸣的笔记本接了外接显示器，屏幕上是密密麻麻的代码和训练日志。他已经连续三天凌晨两点以后睡觉了。
林知行站起来，走到白板前。
白板上还写着"不是更聪明，是更可用"那七个字。他拿起马克笔，在下面画了一条线，左边写"老板说的话"，右边写"AI能听懂的话"。
线的中间是空白的。
这个空白，就是他们卡住的地方。
第二天下午，陈一鸣在群里发了一条消息。
"我试了最新的Chinese-BERT-wwm-ext，加了数据增强，准确率到67.2%。"
方小满回：涨了？
陈一鸣：涨了零点二个百分点。
群里安静了。
林知行看着这条消息，心里算了一笔账。67.2%，离80%还有12.8%。按这个速度涨，他们需要六十四次迭代。每次迭代需要调参、训练、测试，至少一天。六十四天，两个月。
比赛提交截止还有三周。
数学不会骗人。
他打字：我试了一版，54%。
陈一鸣回：看到了。
林知行：我试了三种prompt设计，两种few-shot策略，都不行。
陈一鸣：你不是NLP方向的。
林知行：我知道。但我想看看瓶颈到底在哪。
陈一鸣没回复。
过了大概五分钟，他发了一段很长的技术分析："瓶颈在语义理解。商户的口语表达太随意了，同一种意思有几十种说法。'天热了珍珠卖得好'和'最近珍珠销量上升'和'珍珠最近卖得不错'，对人类来说意思一样，对AI来说是三个不同的句子。模型需要学习所有这些变体，但我们的训练数据只有几百条，覆盖不了。"
林知行看着这段话，心里沉了一下。
数据不够。这是最致命的问题。大厂可以用百万级数据训练模型，他们只有几百条商户原话。质量再高，数量不够，模型学不到足够的模式。
方小满的消息来了：那我们多找点数据？
陈一鸣：找多少？一千条？一万条？你知道训练一个像样的NLP模型需要多少数据吗？
方小满：多少？
陈一鸣：至少十万条标注数据，才有可能达到80%的准确率。我们现在有多少？
苏雨晴在群里回：四百二十七条。
陈一鸣：四百二十七条。十万条。差了两百多倍。
群里彻底安静了。
林知行看着屏幕，手指悬在键盘上，不知道该说什么。他知道陈一鸣说的是事实。数据量是硬伤，不是靠优化算法能弥补的。
他想起沈渡说的第三版架构：大模型前端理解+规则引擎后端约束+解释层串联。那个架构的前提是前端理解能达到80%以上的准确率。如果达不到，后面的所有设计都是空中楼阁。
他关掉电脑，走到阳台。
天快黑了，路灯还没亮。楼下有几个学生在打篮球，笑声传上来，听不清楚。
他点了一根烟。
第三天，林知行自己写了一版方案。
他没有用复杂的模型，而是用了一个笨办法：把商户的常见表达做成一个规则库，用关键词匹配加模糊匹配做第一层筛选，再用小模型做第二层修正。
准确率：58%。
比陈一鸣的版本低了九个百分点。
他盯着屏幕，把代码从头到尾看了一遍，找不到可以优化的地方。规则库已经覆盖了最常见的表达，模糊匹配的阈值调了十几遍，小模型的训练数据就是那四百二十七条。
他把代码删了。
不是因为不行，是因为他知道这条路走不通。规则库需要人工维护，每增加一种表达就要加一条规则。商户的语言是活的，规则库是死的。用死的东西追活的东西，复杂度是O(n²)，永远追不上。
他站起来，走到陈一鸣旁边。
陈一鸣在跑第八个模型。屏幕上是训练日志，loss曲线在下降，但下降的速度越来越慢。
"怎么样？"林知行问。
"还在跑。"陈一鸣没回头，"这个模型用了对比学习，理论上应该比之前的好。"
"理论上。"
陈一鸣听出他语气里的东西，转过头："你也试了？"
"58%。"
"比我低。"
"比你低。"
两人对视了一眼，都没说话。
这是他们第一次面对同一个问题都无解。以前都是陈一鸣卡住，林知行能找到方向；或者林知行卡住，陈一鸣能给技术建议。现在两个人都卡住了。
苏雨晴从门口进来，手里拎着一个塑料袋。
"给你们带了饭。"她把袋子放在桌上，"食堂的，将就吃。"
林知行看了一眼，是两份盒饭。他和陈一鸣都没动。
"怎么了？"苏雨晴问。
"没怎么。"林知行说，"卡住了。"
"卡在哪了？"
"准确率。"陈一鸣说，"67%。上不去了。"
苏雨晴走到白板前，看着那条线。左边是"老板说的话"，右边是"AI能听懂的话"，中间是空白。
她看了一会儿，忽然说："为什么一定要让AI完全理解老板的话？"
林知行和陈一鸣同时转头。
苏雨晴指着白板："老板说'天热了珍珠卖得好得多备点但别太多怕放坏了'，这句话里有三层意思：1.珍珠库存要加；2.但不能加太多；3.要考虑保质期。我们之前想的是让AI把这句话完整地理解成三条结构化指令。但如果AI理解不了呢？"
她拿起马克笔，在线的中间画了一个框。
"如果老板不需要打字呢？如果他只需要选呢？"
陈一鸣皱眉："选什么？"
"选意思。"苏雨晴说，"比如，系统问：'您是想调整库存吗？'老板点'是'。然后系统问：'您想增加还是减少？'老板点'增加'。然后系统问：'增加多少？'给出几个选项：10%、20%、30%、自定义。老板选30%。然后系统问：'有没有上限？'老板点'有'，输入一个数字。然后系统问：'需要考虑保质期吗？'老板点'需要'，选择保质期天数。"
她放下马克笔。
"这样，老板不需要说一句完整的话，只需要回答几个问题。每个问题都是用老板的语言写的，不是技术术语。但最终的结果，是结构化的指令。"
林知行愣住了。
陈一鸣也愣住了。
这个思路不是技术突破，是产品设计突破。它绕过了NLP的瓶颈，把问题从"让AI理解人话"变成"让人话变成AI能处理的半结构化输入"。
"等等。"陈一鸣站起来，走到白板前，"你是说，不做自然语言理解了？"
"不是不做。"苏雨晴说，"是换一种方式。AI不需要完全理解老板的话，只需要理解老板选了什么。选择是结构化的，AI处理结构化数据的能力比处理自然语言强得多。"
陈一鸣盯着白板，眼神变了。
林知行看出他在想什么。陈一鸣不是那种会被轻易说服的人，但苏雨晴的思路戳中了他最在意的那个点——可行性。半结构化输入不需要NLP模型达到80%准确率，只需要设计一套合理的选择逻辑。
"这个能做。"陈一鸣说。
林知行点头："能做。"
"而且不难做。"陈一鸣继续说，"本质上就是一个问卷系统，但问卷的选项是用商户的语言写的。技术上，前端用React或者Vue做交互，后端用规则引擎处理选择结果，根本不需要训练模型。"
苏雨晴说："我整理的那四百二十七条商户原话，可以用来设计问题和选项。"
林知行看着她，忽然明白了什么叫"用户视角"。
他和陈一鸣想的都是怎么让AI更聪明，苏雨晴想的是怎么让商户更省事。这两条路，终点不同。
"你什么时候想到这个的？"林知行问。
苏雨晴想了想："昨天在水果店。"
"水果店？"
"我去帮王老板录数据。他说了一句话，我记下来了。他说：'你这个AI好是好，但我不会说那些文绉绉的话。你能不能直接问我？'"
她从口袋里掏出手机，翻出一条录音。
林知行和陈一鸣凑过去听。
录音里是一个中年男人的声音，有点沙哑："小苏啊，你这个东西我看不懂。你就问我，你想进什么货，想进多少，我告诉你不就行了？干嘛要我说那么一大段？"
苏雨晴关掉录音："我当时没想明白。昨天晚上躺在床上，忽然想明白了。"
"想明白什么？"
"他不想学习怎么跟AI说话。他只想用最简单的方式把事情办了。"
林知行和陈一鸣对视了一眼。
这句话，和姜意说的"不是更聪明，是更可用"，是一回事。
晚上十一点，林知行在群里发了一条消息。
"各位，说个情况。准确率瓶颈突破不了，67%是天花板。我试了自己的方案，54%。陈一鸣试了八个模型，67%。数据量不够，短期内不可能提升。"
方小满回：那怎么办？
林知行：苏雨晴提了一个思路。不做NLP了，改做半结构化输入。商户不需要打字描述需求，只需要回答几个问题，每个问题用商户的语言写。技术上不需要训练模型，只需要设计一套选择逻辑。
陈一鸣回：我评估了一下，可行。而且开发周期短，一周内能出原型。
方小满：所以呢？你们决定了？
林知行：决定了。从明天开始，做半结构化输入。
方小满：行。那我能干嘛？
林知行想了想：你去问问那些商户，如果有一个工具，问他们几个问题就能帮他们管库存、算账、排班，他们愿不愿意用。
方小满：好。
苏雨晴在群里发了一条消息：我可以设计问题和选项。用我整理的那四百二十七条数据做基础。
林知行：好。
陈一鸣：我今晚就开始写代码。
林知行：别熬夜。
陈一鸣：你管我。
林知行没再说话。他关掉手机，躺在床上，盯着天花板。
方小满的呼噜声从上铺传来。林知行翻了个身，忽然觉得心里松了一块。
不是因为问题解决了，是因为方向变了。
他们之前一直在撞墙，撞的是NLP的墙。现在他们绕过去了，从旁边开了一扇门。
门后面是什么，他不知道。但至少，他们不用再撞了。
凌晨两点，林知行被手机震醒。
他迷迷糊糊摸到手机，看到群里有新消息。
陈一鸣发了一个链接，附了一句话："原型，v0.1。"
林知行点开链接。
是一个简陋的网页，白色的背景，黑色的文字。顶部写着："商户助手-测试版"。
下面是一个对话框，里面有一行字："您好，我是您的AI助手。请问您想做什么？"
下面有四个按钮：库存管理、定价参考、排班建议、营销文案。
林知行点了"库存管理"。
页面跳转，出现一个新的对话框："您想调整哪种商品的库存？"
下面有一个输入框，旁边写着："请输入商品名称，或从常用列表中选择。"
常用列表里有：珍珠、椰果、布丁、仙草、芒果、西瓜。
林知行点了"珍珠"。
下一个问题："您想增加还是减少库存？"
两个按钮：增加、减少。
林知行点了"增加"。
下一个问题："您想增加多少？"
四个按钮：10%、20%、30%、自定义。
林知行点了"30%"。
下一个问题："有没有上限？比如，不能超过当日销量的多少倍？"
两个按钮：没有上限、有上限。
林知行点了"有上限"，输入"1.5"。
下一个问题："需要考虑保质期吗？"
两个按钮：需要、不需要。
林知行点了"需要"，输入"3天"。
页面跳转，出现一个总结：
"您已完成库存调整设置：
- 商品：珍珠
- 操作：增加30%
- 上限：不超过当日销量的1.5倍
- 保质期约束：3天
是否确认？"
下面两个按钮：确认、返回修改。
林知行点了"确认"。
页面跳转，出现一行字："已生成指令。正在同步到系统……"
然后是一个loading动画。
林知行盯着屏幕，心跳加速。
这不是什么复杂的技术，只是一个问卷系统。但它做到了一件事：让一个不懂技术的商户，用最简单的方式，把需求转化成了结构化指令。
他想起苏雨晴放的那段录音："你能不能直接问我？"
现在，系统直接问了。
他退出测试页面，回到群里。
陈一鸣发了一条消息："跑通了。准确率100%。"
林知行看着这条消息，忽然笑了。
准确率100%。因为他们绕过了NLP，直接用选择代替理解。选择是结构化的，不存在歧义，不存在理解偏差。
这不是技术突破，是思路突破。
他打字：你没睡？
陈一鸣：睡什么？代码写完了再说。
林知行：……
陈一鸣：别省略号了。测试一下，有没有bug。
林知行又走了一遍流程，从库存管理到定价参考到排班建议，每个功能都跑了一遍。
没有bug。
他回：没bug。
陈一鸣：好。我去睡了。
然后他的头像暗了。
林知行看着屏幕，心里有一种奇怪的感觉。
不是兴奋，是一种平静的踏实感。就像走迷宫走了很久，忽然发现旁边有一条小路。小路通向哪里不知道，但至少不用再撞墙了。
他把测试页面的截图发到群里，附了一句话："陈一鸣做的。半结构化输入原型，v0.1。"
方小满秒回：啥？这么快？
林知行：他没睡。
方小满：……
苏雨晴发了一条消息：我看了。问题和选项的设计需要优化，有些表述不够口语化。
林知行：你来改。
苏雨晴：好。
方小满：所以，这东西能用？
林知行：能用。
方小满：那比赛呢？
林知行想了想，打字：方向变了。我们不做NLP了，做半结构化输入。技术门槛低，但用户体验好。评委怎么看，不知道。但这是我们唯一能走通的路。
方小满：行。那我明天去问商户。
林知行：好。
他关掉手机，躺在床上，盯着天花板。
窗外有点亮了。天快亮了。
他想起42章陈一鸣发的那个61%的代码，想起43章看到赵鸣岐的帖子时的绝望，想起苏雨晴在水果店录的那段话。
这些东西串在一起，像一条线。
线的这头是技术瓶颈，线的那头是产品设计。
他们绕过去了。
不是因为技术更强了，是因为思路变了。
林知行闭上眼睛，这一次，他睡着了。
（本章完）