「就是这个意思,数据质量不行,模型再大也是白搭。」赵文渊说完,看着韩路一的眼神带着试探的意味,他在等韩路一出牌。
「数据我有。」
赵文渊没说话,但身体坐直了。他当时就猜测过,bugkiller为什麽这麽强,要麽有黄金数据,要麽有未公开的先进算法,现在看来是前者。
「你的数据哪来的?」他放慢语速,问道,「不会也是偷的吧?」
这话不是玩笑,赵文渊从鼎盛出来的,就是看不惯codesafe偷用户代码喂大模型,这是他的底线。
韩路一正色道:「所有的数据都是用户自愿分享的。注册时的相关选项是默认关闭的,用户必须主动选择将检测结果用於产品改进我们才能看到。协议是律师一条一条审过的,我这也有审计报告。」
赵文渊盯着他看。
「我绝不偷数据。」韩路一说。
「好。」赵文渊点了点头,「那数据量够吗?」
韩路一打开背包里的笔记本电脑,接上手机热点,先登录开物後台。
屏幕上跳出一个数据看板。
「开物上线到现在,累计二十三万条提示词—代码配对,」韩路一把屏幕转向赵文渊,「全部来自用户主动分享。」
赵文渊扫了一眼总数:「二十三万条————量是够了。但有个问题,ai生成的代码本身就有bug,直接拿来训练不还是垃圾进垃圾出?」
「所以有第二步。」
韩路一切换到另一个界面,bugkiller的数据管线看板。
「开物每一条生成的代码,都会自动过一遍bugkiller的检测引擎,有bug的标出来,能自动修复的直接修复,修不了的丢弃。」
赵文渊凑近屏幕。
数据流很清晰:用户提示词→原始生成代码→bugkiller自动检测→修复後代码→入库。
每一条数据都带着状态标签,「通过」或「已修复」,没有「未修复」。
「原始代码通过率60%上下,经过bugkiller修复後,最终入库率96%。」
赵文渊没说话,他伸手拿过笔记本,开始自己翻数据。