第三百八十六章 什么汤圆1.0？我没听说过啊
第二天上午，韩路一和赵文渊几人汇合之后，直接走到位于酒店二楼的签到处。
人工智能大会新加坡站的开幕式将于九点在会议主会场进行，此时签到处已经挤满了来自世界各地的参会人员，大家一边排队，一边操着各种口音的英语互相交流。
源智作为被邀请的演讲嘉宾是有单独的签到处的，几人很快就进入了会场。
很快他们就看到面前各个公司的宣传展牌，其中尤其以nexus ai的为多，其他做算力平台、数据监控、网络安全的公司也不少。
作为一个专讲ai的会议，来这里的企业不会少，这些展牌的广告是精准投放，里面的商机可不少。
赵文渊忍不住吐槽：“不是说商业中立，不接受赞助吗？”
刘彧在旁边解释道：“是不接受我们的赞助。”
赵文渊看了刘彧一眼，解释的很好，下次别解释了。
韩路一自己看了看，出现的滚动视频和广告立牌里都是欧美的厂商，连鼎盛和巨量都没有。
以韩路一对鼎盛的了解，这一定不是他们不想投放。
会议委员会对赞助商的筛选条件里，非常明显有厂商来自哪个国家这一项。
几人在展区逛了一圈，在前面的vip区找了空座坐下来，赵文渊脸色古怪地对韩路一说：“韩总，您不觉得很奇怪吗？他们这么刻意的打压我们，故意把汤圆除名在测试结果之外，那为什么还要邀请我们来参加呢？”
韩路一倒不觉得奇怪。
“这些人，总觉得自己是老大，就想要展示他们的公平公正，如果不邀请我们，以源智和汤圆现在的名声，就是他们不包容了。”韩路一说道，“可是请我们来了，又害怕我们。这就是他们的拧巴之处。”
几人坐下不久，进场的人越来越多。
一个熟悉的声音响了起来。
“诶呀妈呀，赵总，这巧呢。”
赵文渊回头一看，是鼎盛的刘大海。
刘大海在赵文渊身边坐下，赵文渊惊奇地问道：“我记得鼎盛来不少人啊，刘博士不用和团队在一起吗？”
刘大海笑眯眯地点点头：“看学术会议就像看电影，肯定还是和懂的人一起看有意思，咱俩一会儿唠唠。”
韩路一顺着刘大海来的方向看过去，果然看见郑晓波领着鼎盛的团队坐在vip区的另一个方向。
鼎盛这次虽然没有被邀请做讲座，但是待遇还是比较高的。
到了九点过几分，主会场的人已经坐得很满了，韩路一没看到御三家的人，猜测除了现场的vip座席之外还有vvip的贵宾休息室？
先是由新加坡的坡长上台致辞，以显示当地政府对这个活动的重视，除了讲了一些新加坡开放支持创新之类的老生常谈之外，还格外提了淡马锡主权基金正在积极寻找投资项目，希望有兴趣的ai创业项目主动联系。
坡长下去之后，主办方轮值主席理查德走上台，整个会场沉闷的气氛才重新被带到了起来。
因为此时议程进入了ai foundations年度模型封闭测评的结果发布环节。
大屏幕上的内容切换成一排排名，但是模型的名字却是隐藏的。
理查德这才缓缓开口，吊足了观众的胃口。
“相信大家都注意到了最近人工智能发展的新趋势。我们已经摆脱了一问一答的初级阶段，如何运用模型的能力，使智能体成为能够独立完成任务的生产力工具，才是这个时代的新课题。”
理查德扶了扶眼镜。
“所以我们联合全球十七家最顶尖的研究机构，设计了一套面向下一代人工智能的综合评测，它不考虑公司的规模、不考虑任何国家和地区政策的影响，只看模型本身的表现。”
台下响起热烈的掌声。
韩路一没鼓掌。
他只觉得好笑。
十七家“最顶尖”的研究机构里，一家中国的公司和研究机构都没有。
“不考虑公司的规模、不考虑任何国家和地区政策的影响”，但是汤圆1.0却被剔除在外。
刘大海坐在另一侧，本来准备鼓掌的，结果看到这边源智的人都没鼓掌，又讪讪地把手收了回去。
随后，理查德介绍了这套测评集、以及对应的评价体系新增加的关于长程任务、工具调用、多步骤规划等能力的侧重考察。
然后他开始公布结果。
前三名之后的结果是依次出现的，汤圆0.9的名字很显眼地摆在了第四名的位置。
台下已经有人开始鼓掌了，从中国来的那些代表们鼓掌鼓得格外用力一些。
虽然在国内的时候大家也希望能让自己的模型超过汤圆，但是在这种国际场合，汤圆0.9长达近两个月的霸榜、在今天还能出现在第四名的位置，确实很让人提气。
而且看名字就知道，0.9，还不是正式版，他们也期待汤圆的后续模型能出现在前三名的位置里。
理查德开始依次公布排名前三的模型。
第三名，谷歌的gemini-x-pro模型，70.8分。
台下的掌声更剧烈了一些。
第二名，openai的gpt-v-ii模型，71.7分。
刘大海低声说了一句：“老山姆这下子难受喽。”
赵文渊回头看了他一眼，才想起来这位刘博士以前也在openai工作过。
在公布第一名之前，理查德刻意停顿了一会儿，等全场的掌声都安静下来。
有不少源智和汤圆有所了解的人都在偷瞄韩路一这边。
幻灯片上的第一名显现出来——
72.3分，金星2.0模型。
全场的掌声再次响起，伴随着讨论声。
刘大海愕然地回过头，看向赵文渊：“赵总，你们没整新模型啊？连我们鼎盛都整了啊。”
刘大海领导研发的坤元2.0，全面吸取了从当初汤圆的数据那得到的经验，狠砸了资源和钱在数据质量上面，这次排名在第七名，已经比坤元1.1进步太多了。
但让他没想到的是，源智竟然没有在这期间迭代新模型。
是研发遇到困难了？没钱了？
刘大海越过赵文渊朝着韩路一看去，只见这位年轻的董事长正面带微笑的看着大屏幕。
只是不知怎么的，这个微笑看起来没什么温度。
此时，大屏幕上的模型能力排名已经淡去，取而代之的是nexus ai白底黑字的logo，理查德说道：“接下来我们请nexus ai的创始人、ceo，米勒先生来为我们介绍他们的最新模型——金星2.0。”
瑞恩从后台走了出来，西装革履，意气风发。
他先上台与理查德握手，然后朝四周点头致意。
“非常感谢会议主办方，也非常感谢所有参与测评工作的研究人员。”瑞恩声音激昂，“这不是我一个人的成绩，也不是nexus ai一家公司的成绩，我们能取得这样的进步，离不开在座所有人工智能从业者的共同努力！”
底下的媒体区快门声不断。
观众们都不觉得奇怪，他们自己也在发x呢。
nexus ai再次摘冠，拿下智能体时代的sota模型地位，这绝对是值得今天科技版头版的新闻。
但是他们不知道的是，媒体的记者们之所以这么积极地在这拍照，完全是为了一会儿来个大的。
赵文渊回头看了看韩路一，见他的表情还是那么淡定，竟然还跟着别人鼓掌的节奏一起轻轻拍了两下手，忍不住说道：“韩总，您还给他鼓掌？”
韩路一点了点头：“让他珍惜这段时间吧，还好他们加了媒体问答环节，这样我就不用现在打断他了。”
瑞恩还在上面介绍着金星2.0模型突破性的能力——尤其是在长程任务方面的能力，以及nexus ai的团队付出了多少努力才能达到这样的成绩。
当然，具体使用了什么样的方法和训练策略肯定是保密的。
并且瑞恩还强调了ai的安全有多么重要，强大的能力需要更高的安全监管，金星2.0模型已经不可避免的成为了国家战略级的武器，吧啦吧啦。
当讲话转向这些宏大叙事的时候，观众们的反应明显分成了两种。有些美国专家明显沾了点技术狂热，而世界各地来的其他地方的学者和从业者们则对美国佬这种无处不在的傲慢感到无奈。
终于，瑞恩的演讲结束，进入到了公开问答的环节。
所有的记者们都争相举起了手。
瑞恩有点儿犹豫，第一个问题，他想给一个关系好一点儿的媒体。
但其实不管他点谁都一样。
无论哪个媒体提问，都只会问同一个问题，一个能让他们拿到今天的头版新闻的问题。
因为就在刚才，所有媒体记者的手机里都收到了同一份资料，里面的内容是两封邮件的截图。
一封，写着匿名测试时的模型成绩榜单，第二名是72.3分，而排在第一的，代号为1042的模型，分数则高达93.5分。
另外一封，则是处理通知，宣布将代号为1042、实际是汤圆1.0的模型测评成绩作废，却没有解释原因。
截图从哪来，没人能查到，但是这截图就这么出现在了他们的手机里。
视界出马，他们当然查不到。
现在这些记者们就只想第一个问出那个问题——
汤圆1.0去哪了？
终于，瑞恩点名了《纽约时报》的记者，他曾经接受过对方的深度采访，合作还算愉快。
金发碧眼的女记者从工作人员手里接过话筒，没有任何寒暄的意思，直接问道：“米勒先生，我们收到资料，显示在ai foundations本次封闭测评的匿名阶段，汤圆1.0模型以93.5的得分排在第一位，远高于金星2.0的72.3分，现在，它却没有出现在最终的榜单上。你知道这是为什么吗？”
附近的记者看到这个问题被别人先问出来了，都懊恼地叹了口气。
瑞恩站在台上有点儿懵逼。
什么汤圆1.0？我没听说过啊？
他甚至回头看了一下大屏幕，想看看里面有没有汤圆1.0，虽然排名榜单早就已经不在上面了。
我得第一不是应该的吗？我们花了那么多钱，那么多算力，还进行了针对性的训练。
93分又是什么鬼？怎么可能？那不是比金星领先了二十多分吗？
瑞恩在台上愣了几秒钟没有动作，但他毕竟是明星公司的ceo，见过大场面，很快就反应了过来：“不好意思，这个问题和金星、和nexus ai都没有关系。我怀疑你收到的资料是假的，但这应该是主办方来回答的问题。好了，有请下一位记者。”
瑞恩指了指另一个媒体的记者，话筒几乎是工作人员从女记者的手里抢了过来递到了下一个记者的手上。
第二个记者马上提问：“你觉得汤圆1.0真的有这样的能力吗？它比金星2.0高出20分的原因是什么？你是通过什么手段让他下架的？”
瑞恩对第二个记者怒目圆瞪，什么叫我是通过什么手段让他下架的？
我都没听说过什么汤圆1.0！
此时，轮值主席理查德看出来事情已经压不住了，所有的媒体都只会追着这一个问题问。
不得已，他站了出来，走到瑞恩身边接过他手里的话筒，说道：“记者朋友们，不管你们是从哪里听到的谣言，请相信我，那都是不准确的。组委会确实收到过一款名为汤圆1.0的模型，但是因为它的成绩异常，成绩已经被取消了，这是遵循程序的。”
现场已经有点儿混乱了，第二个记者还拿着话筒，接着问道：“什么叫做成绩异常？异常的原因是什么？这次封闭测评的结果还可信吗？”
虽然会场的冷气开得很足，但是此时理查德的额头已经开始冒汗了。
如果不能好好地解释这件事，那对这次封闭测评，甚至对ai foundations举办的人工智能大会都是一次公信力的巨大打击。
但理查德根本没有什么证据能拿出来，他们当时大概调查了一下，没发现什么异常，只是分数太高，就不了了之了。
理查德一边斟酌一边开口：“当然，测评标准是经过我们周密设计的，绝对可信——这个模型可能只是一个例外，也许有人——”
说到这他停了下来。
在这个场合下，没有证据就提出指责太容易被人驳倒了。
突然，一个声音接过了他的话。
“有人把题偷了出来，让这家公司提前进行了针对性的训练？”说话的人正是林伟伦。
作为新加坡国立大学的合作方负责人，连场地都是他联系的，拿到一个话筒自然是轻而易举。
他一边说话一边走上台，站在理查德和瑞恩的对面，停了下来。
“科尔曼教授，你刚才提出的，真的是非常严重的指控。”林伟伦转身看向台下，说道，“训练汤圆1.0的厂商——源智科技——的代表们此时此刻就在现场，请你们上台和科尔曼教授现场对峙吧。”
早在这场风波刚刚开始的时候，就已经有人注意韩路一这边的状况了，林伟伦这一番话说完，更多的人看向了这边。
在众多目光的注视下，韩路一站起身。
今天为了这次活动——这场和理查德、瑞恩之间的活动，韩路一特意穿上了顾司玥送给他的一身浅灰色西装，配上他高大帅气的建模和那种宠辱不惊的逼王气质，视觉冲击力很强。
他不疾不徐，一步一步走到了台上。
周围越来越多的目光集中在了韩路一的身上，直到他从林伟伦的手中接过话筒。
“作为被ai foundations主动邀请来参加这次会议的人，我感到非常困惑。”韩路一缓缓说道，“测试是主办方邀请我们参加的，我们只是正常提交了模型的接口，现在却受到了这样的指责。”
“从我们接到邀请到最终提交，只有几个星期的时间，如果大家对模型训练有所了解的话，就应该知道，即使有参考答案，要做训练也来不及。”韩路一转向理查德，说道，“不知道科尔曼教说我们偷了测试集，有什么证据吗？”
理查德没有回答韩路一的问题，而是向现场的观众解释道：“这次封闭测试之所以有效，很大的原因是我们进行了隔离式的沙盒环境，模型不能自己根据考题进行迭代。但是鉴于汤圆1.0已经进行过一次测试，如果用同一套测试集让它再做一次，我们就很难保证结果的公平和公正了。”
他其实已经在给自己找台阶下了，如果汤圆1.0现在再做出90多的高分，那也不是因为模型强，而是因为在上一轮测试中他们已经知道了考题，现在可能已经针对性的调整过了。
韩路一站在台上笑了笑。
“我们都知道，想要证明自己的清白有多难，我也不是来自证清白的。”
韩路一看了看台下的观众，说道：“我想，大家之所以来参加人工智能会议，是想看到人工智能有真正解决问题的能力，而不是为了看看几个模型的分数。既然如此，倒不如就在今天，就在现场——”
“让大家体验一下最新一代模型所具有的能力。”
话音刚落，台下就已经响起了掌声、尖叫声、起哄声。
两家顶尖模型公司现场battle，这不比听瑞恩讲什么安全性重要、战略级武器有意思？
理查德站在原地，进退两难。
大会的议程是早就定好的，后面还有主会场和各个分会场的演讲，现在横叉一个现场体验来，怎么安排，不是全乱套了吗？
倒是瑞恩，看到现在这个场面之后，信心满满的向前一步。
“韩先生，只是开放接口，让人们现场体验，怎么能直观的分出好坏？”瑞恩说道，“我看倒不如就用之前搭建的沙盒环境，让所有的模型都接入，再由所有现场的观众们投票选出一个复杂任务，同样的提示词给所有的模型，看看谁的完成度最高，如何？”
韩路一看向瑞恩。
虽然两人之前邮件交流过、视频过，更在各种会议中谈论过对方。
但这还是两人第一次在现实中见面。
视界打开。
【瑞恩·米勒】
【职位：nexus ai创始人、ceo】
【情绪：自信、激昂】
【核心动机：金星2.0模型能力内部验证极为优秀，一定能在现场测试中取胜】
韩路一心下了然，不管是理查德还是瑞恩，他们是真的不相信汤圆1.0的能力超过了金星2.0，之前测试中93.5的得分不是真实的成绩。
“好。”韩路一答应了下来。
林伟伦带着几名同事迅速把之前测评中心机房里的沙盒环境拉了过来，让想要参与实时测试的厂商现场就能接入。
而韩路一则把电脑接入了大屏幕，现场用御风写了一个投票程序，github开源，然后部署在鼎盛云上，再把写好的程序运行在大屏幕上。
前后花了不到五分钟。
这是一场给御风智能体工具和鼎盛云的活广告，所有的开发者都能看见完成这样一个需求的效率有多高。
很快，观众们自主发起的复杂任务提示词被一个一个添加，然后根据点赞数排序。
最终得赞最高的那个提示词就将成为今天的唯一测试题。
瑞恩拿着话筒，继续细化流程。
“长程任务可能会长达几个小时，为了让大家都能在今天就能查看到结果，我们将在提示词中添加最长可以运行的时间——”说到这，他抬手看了看表，此时已经是上午十一点多了，“五个小时，到下午五点，必须停止运行，然后运行的结果开放给大家自由查看。”
瑞恩没说评判标准是什么。
在这一点上，他和韩路一不谋而合。
榜单上的分数并不重要，真正重要的是让潜在用户们了解到模型所具有的解决问题的能力。
如果你是最强模型这件事已经能够深入人心，那什么榜单都没有必要了。
韩路一听完之后在旁边点了点头，瑞恩提出来的赛制其实还挺公平的。
更像是一场针对模型的黑客松比赛，统一出题、限制时间，最后的结果由观众们决定。
时间临近十二点，观众们投票选出来的复杂任务此时也已经确定了。
任务只有短短的一句话。
赵文渊看到的时候不禁一笑。
那句话是——
“build me a minecraft（给我写一个《我的世界》）。”