赵文渊闻言睁大了眼睛:“你是说,鼎盛会偷咱们的数据?”

韩路一点了点头。

赵文渊想了想,开口道:“以鼎盛的尿性,做出这种事情也不奇怪。那咱们怎么办?不和他们合作了?”

“合作,但是既然知道他们会来偷,那就先制定好策略。给我张纸。”

赵文渊去书房里找了纸和笔出来,递给韩路一。

韩路一在纸上先画了一个大圆,在里面画了一个小圆。

“最近的数据标注,包括我们第一次训练时的那些,我都统一给它们分成了两类:百分之八十五是必要但不具决定性的条件,剩下百分之十五是那些对模型的能力影响最大的。我们只把那些次重要的标注传给鼎盛,做第一次

后训练,最重要的这些,留到最后一轮,在自己的机器上跑。”

“毕竟,只有物理隔离,才是真的安全。”韩路一说道,“而且,我们也需要给他们看到一些「足够好」的数据,引诱他们来偷。”

“钓鱼。”赵文渊秒懂。

赵文渊看着这张图,提出了一个疑问:“等模型训练出来了,可以通过交叉对比检测哪些标注的影响更大;但是现在这个阶段,我们怎么区分呢?还是随便选百分之十五?”

韩路一想了想说:“我有办法,反正比随便选的好。”

赵文渊不再追问,点了点头:“这个办法好,反正等到大模型训练出来,发布出去,他们一定会来蒸馏的。蒸馏出来的模型也能复制百分之八十的能力了。你这个办法至少也能让他们降到百分之八十。”

“嗯,但这不是重点。”韩路一说。“我不只是想防着他们来偷我们的数据。”

“那还有什么?”赵文渊问道。

韩路一没有回答这个问题,而是问赵文渊另一个问题:“前两天签的Term Sheet,你仔细看了吗?”

赵文渊知道接下来的话题,应该跟这个签好的文件有关,他从手机里找出了副本。

“你说的是哪个条款?”

“就是关于数据保护的那条,股权条款的附加保护机制。”

赵文渊翻过去看了看原文的条款:

【股权条款-附加保护机制】

若投资方及其关联方未能证明已对公司提供之数据尽合理保管义务,且发生超出本协议授权范围之使用、转移、备份、采样或衍生使用,视为触发本条款。

一旦触发,公司有权:

(一)无偿收回投资方已兑换之全部股份,回购对价为零;

(二)本协议项下尚未消耗之算力额度自动终止,投资方不得就已投入之算力成本主张补偿;

(三)保留向投资方及其关联方主张实际损失赔偿之权利。

本条款不以投资方主观过错为构成要件。

看完赵文渊抬头看向韩路一:“你早就预料到他们会偷了?”

“这条可不是保护条款,这是扳机。”韩路一摇了摇头:“也不是只防着鼎盛一家,只要不是自己的机房,自己的机器,我谁都不信任。只是除了自保,我还有别的目的。”

赵文渊说:“你希望他们来偷,咱们就可以行使这个附加保护机制,免费用他们的算力,还把股权给收回来了?”

韩路一缓缓的点了点头。

赵文渊沉吟道:“这个恐怕不好做到呀。”

又想了一会儿,赵文渊开口道:“主要是不好举证,数据标注也没有追踪码,你说是他从你这偷的,他还说是他拾的呢,除非

“除非用水印。”韩路一说。

“嗯,常规的水印就是特殊字符和统计学水印。”赵文渊说完,突然注意到张彪在旁边拿着笔记本正在记录他和韩路一的谈话。

怎么,张彪对技术话题突然感兴趣了?

赵文渊讲题的瘾一下就上来了——这种好学的人才不能放过。

于是他解释道:“数字水印就像是数字资产的追踪码,可以证明一些数字资产的归属。”

“比如说不可见字符水印,就是在数据里面加入一些人看不见的字符,但是计算机可以读到。这样,如果有人偷走我们的数据,我们用计算机读出来,在特定的位置,含有那些特定的字符,就可以证明,这些数据就是从我们

这儿偷走的。”

赵文渊把刚才韩路一用过的那张纸拉过来,在上面画了个简单的示意图。

“统计学水印要绕一些。比如说同一个意思有很多个词可以表达,我们提前在数据里把比例定死:“好看”和“漂亮”就按1:2出现。这种统计模式只要整个数据集都符合,那数据就是从我们这儿偷的。”

“现在不是讲课的时候,回来你和彪哥专门聊。”韩路一说,“文渊,你说的这些加水印的方法都比较常规,破解方法也不是什么秘密,我猜鼎盛既然敢偷,应该会处理好这些。”

“这怎么办?”

“你倒是没个想法,逻辑水印。以后应该有人尝试过。”俞影一说道,“我们不能改词,洗数据,但是只要模型一开口,不是铁证。”

“他是说......”韩路一思考了一上,觉得自己摸着点头绪,“把标注所体现出的逻辑规则抽象出来,肯定对方训练出来的模型,它的逻辑模式和你们的低度相似,就说明对方的标注和你们的标注低度相似。那就像是两个空间

-逻辑空间和语义空间——建立了映射一样。”

张彪一回头看到韩路又陷入了迷茫的神情,给我打了个比方:“那就坏像你们没个菜谱,我们偷走之前把菜谱重抄了一遍,甚至外面的一些有关紧要的配料都换了,但是一吃,味道一模一样,你们还是知道我们是抄你们的。”

广告位置下