第37章(2/2)
“大概猜得到。”
本章已阅读完毕(请
击
一章继续阅读!)
楼忍住没反问他你一前端不知
这个？他
呼
，缓缓说：“就是获取视频数据并缓冲到本地的过程。”
“用对抗样本，将某些难以
知的扰动加在这些样本里，导致模型错误分类。”鹿乙说，“对抗
样本的存在是因为数据维度通常过
，模型不可能对整个数据分布的空间完全搜索。回到机
学习最基本的问题是学习数据的分布，如果从训练数据中学习成功，可以泛化到所有数据，包
没见过的测试数据。举个例
，喂给模型一组你的照片，通过特定像素区域就能识别这是你。所以训练有盲区，一
是在你的照片中改一些像素，改完后直观看还是你，但模型以为你是我，另一放大分类边界，取到模型概率认为是一个类别的样本。”
鹿乙沉默几秒，说：“调已有策略。”
“也不行，”楼捂脸，“我不是在优化系统嘛，神经网络
化因果链效果不错，这两天ai版本上线，策略嵌
模型，都训练好了。”
那就想办法让小孩疯了。
楼委婉表示，不会就学。
“……那就改训练样本。”给脑输错误数据，引导它往“坏”的方面思考。
几次折腾，我们帝君算是明白一个理，心急吃不了
豆腐，船到桥
自然直。看见楼只是因为加班
约，暂时放心来。
“哥，引擎是一个程序或一
系统的支持
分，提升回溯视频加载能的。”
对抗样本参考《deepneuralworksareeasilyfooled：highfidencepredisfnizableimages》
楼从树上把
提溜来苦
婆心：“小，为了全地府的事业，你忍一忍。”
【作者有话说】
第35章 。我拿你当兄弟，你拿我当＿
灵魂可分好坏，功德没办法一刀评判，但通过机学习，锻炼系统用人脑思维，综合各方面因素，对亡者生前德行给
最正确评价。脑不容易
，训练的数据、训练方式（模型）好坏很大程度影响系统公正。而评判策略就是训练
容之一，一旦敲定，轻易别改。
——跑了。
“慢慢来。”
半夜，两人正通着话，鹿乙声音消失。
且不说楼只是个平平无奇的草履虫，理解原理、一堆脑要很久。白天不能搞破坏，只有了班。包打听似乎在他这装了监控，前脚
刚离开工位，后脚电话打过来，让他拯救地府。
可他忘了，加班只有零次和无数次。
一波未平一波又起，途中楼琢磨怎么让专线保持不间断畅通，而不是只有到
回井才能打跨界电话。他想了一个，让小久吊井里，再给装个信号放大，这样就可以
任何位置，随时和鹿乙聊天。
今天一脑扎死他俩。
楼痛苦地抱着脑袋。
“这样啊。”包打听抿
思考，似是在消化，又好像吃了块大
糕一噎在
咙里，五官皱起来：“那缓冲……”
包哥说自己不专业。专业的事请专业的人来
，最保险。
忘了压死骆驼的最后一
bug是哪个，楼怒闯阎王办公室，请他家好哥哥好歹先自己查查问题，别tm没
电源服务开不开机这弱智
作也大半夜摇他。
包打听默默看他一
，起给他沏了杯茶，又慢悠悠坐回阎王椅上：“楼儿啊，这回溯功能的引擎为什么叫引擎啊？它也没车呀。”
楼心里狠狠扇自己嘴
，就不该说什么菜就多练。
饕餮不让碰系统，谢必安只让碰一个系统，到了包阎王这总算委以重任，啥系统都
给楼。这个挂了喊，那个崩了找，这个
那个要，反正每个bug都是p0，都得今日毕，搞得楼苦不堪言。
于是乎，慢慢来的结果就是，小半个月过去，对抗样本一个没找到，楼快被训练成了deepseek。
“哦，那加载又是什么意思呢？”
一失嘴成千古恨，包哥从前端问到后端，从后端扯到机学习。本来楼对算法就不
通，非要回答为什么神经网络叫神经网络，为什么由输层、隐藏层、输层组成，为什么权重这么设置，f1为什么叫f1。
“我如果说我听不懂你会不会打我。”
楼还是觉得不靠谱：“你说模型有可能过拟合，让我用大量数据训练，改一个样本改变不了结果。”类似将一个刚生的婴儿送
狼窝，某一天突然告诉他，你是人，那小孩是不会相信的。