周寻举手。“那现有的大模型模块呢？”
陆方想了想。“保留。作为备用。”
陈默站在门口，听着陆方的汇报，笑了。他转身走回办公室，对沈清如说：“陆方把准确率提高到92.3%了。”
沈清如抬起头。“这么快？”
“他说用了多模型集成。三个开源模型加权平均。”
沈清如笑了。“他这是要把星海大模型模块淘汰掉。”
陈默点头。“对。自己淘汰自己。”
沈清如看着他。“这不就是你教他们的吗？‘技术是工具，不是主人。’”
陈默笑了。“对。”
晚上，陆方坐在工位上，面前是三块屏幕。左边是星海平台的监控界面，中间是多模型集成的测试结果，右边是陈曦发来的消息。他正在和陈曦讨论下一步的计划。
陆方：“多模型集成跑通了，准确率92.3%。下一步，我想试试用强化学习来优化权重。”
陈曦：“可以。但强化学习需要奖励函数。你怎么定义奖励？”
陆方：“准确率。奖励就是准确率。”
陈曦：“那太简单了。试试用夏普比率？不仅要准，还要稳。”
陆方：“夏普比率？我用的是分类任务，不是交易策略。”
陈曦：“分类任务也可以用夏普比率。把准确率看成收益，把方差看成风险。最大化夏普比率，就是最大化收益风险比。”
陆方沉默了几秒。“有道理。我试试。”
陈曦：“好。有结果告诉我。”
陆方放下手机，打开论文，开始研究强化学习。
2024年3月31日，星期日，晚上十一点。
陆方完成了强化学习的第一个版本。他用夏普比率作为奖励函数，训练了一个权重优化模型。测试结果：准确率93.1%，波动率下降了30%。他在笔记本上写道：“强化学习有效。下一步，部署到星海平台。”
他给陈曦发消息：“强化学通了。准确率93.1%，波动率下降30%。”
陈曦回复：“厉害！夏普比率多少？”
陆方：“1.8。”
陈曦：“不错。继续优化，争取到2.0。”
陆方笑了。他想起2019年，陈曦第一次来公司，画了那张产业链图谱。那时候，她才11岁，什么都不懂。现在，她在伯克利，教他做强化学习。时间过得真快。
本章未完，请点击下一页继续阅读！