尽管信心满满，但能够这么顺利的就取得橘子大模型的源代码，还是让Madeline喜出望外。
千寻的安全部门手里有大量的0day漏洞（被黑客发现的，开发者和用户不知道的漏洞），他们所制作的木马就是利用了linux系统中的几个0day漏洞来远程执行代码并获取权限。
千寻根本没有等太久，那个加密包第二天就被柚子科技解密调用了，里面果然是橘子大模型内测后的修复版本。
吴恩德离开后，接替他工作的傅远生虽然满嘴军令状，但心里其实还是忐忑的。
他是内行，虽然此前没有接触过橘子大模型这种类型的神经网络，但BP、LSTM、CNN、RNN、DNN、Seq2Seq等模型还是玩的很熟的。
无论什么神经网络，本质上都没有删除数据这么一说，只能重新训练。
深度学习并不是把数据资料存在某些地方供神经网络调用，而是让神经网络“学习”这些内容，学习后的东西会导致“神经突触”的变化，而大模型的“神经突触”，就是所谓的“参数”。
这些参数的数值变化和相互的连接，就像人类学习的时候神经突触的连接一样，意味着大模型真正“掌握”了训练的知识。
比如一个参数13B（130亿）的大模型，存在一块硬盘上，可能大小有20个G。
让它接受2个T的数据训练后，可能它的大小还是20个G。
大小没有什么变化，但这2个T的资料它却已经完全掌握了。
但既然是模仿人类神经形成的人工智能模型，其实也存在了人类智能的某些问题。
比如说“遗忘”的问题，就是明明学了，过一阵时间之后却发现AI把学过的东西忘了。
AI过度训练后，可能会出现对新数据“想当然”的现象。
就像人类面对新生事物时，明明什么都不明白，却用过往经验进行解释，这在AI领域中叫“过度拟合”。
一堂课老师讲了半本书，前三页你还能听明白，到后面就是听天书，对于AI来说，就是“信息过载。”
人类接触到的信息是片面的情况下，就会导致认知偏差，AI的数据如果集中存在某一种意识形态的内容，同样会导致认知偏差。
林林总总。
更有甚者，原本是个好模型，别人训练都没事，你来训练，要么无法收敛得到结果（可以理解为学不会），要么灾难性遗忘，要
…。。