第九十二章 名字想好了吗 (4/6)

每一条数据都带着状态标签，「通过」或「已修复」，没有「未修复」。

「原始代码通过率60%上下，经过BugKiller修复後，最终入库率96%。」

赵文渊没说话，他伸手拿过笔记本，开始自己翻数据。

他先看了几条「已修复」的，原始代码里确实有Bug，修复後的代码乾净利落。然後他翻「通过」的那些，原始生成就没问题，代码结构清晰，变量命名规范。

一条丶两条丶五条丶十条。

他逐行看修复逻辑。

二十条丶三十条。

瑞幸店里的音乐换了几首，赵文渊都没有抬头。

翻到五十条左右的时候，他停了。

「这个检测引擎就是BugKiller的核心？」

「对，核心算法是我自己写的，」韩路一说，「这是技术壁垒。」

「你这个数据的确不可能是偷来的，客户的代码良莠不齐，偷来的没有这麽高的质量。」赵文渊叹了一口气，「怪不得CodeSafe会输给你，我心服口服了。」

「这个准确率，这种用法，」他接着说，「你手里的是一条自动化的数据清洗流水线，别人要花几千万请人标注的事，你用算法跑一遍就完了。」

他又想了想，语速突然变快。

「而且，BugKiller检出来的那些Bug代码和修复後的版本，这不就是现成的DPO训练对吗？有Bug的是坏例子，修复後的是好例子，天然的偏好数据。」

韩路一点了点头。

「SFT用乾净的提示词丶代码对，DPO用Bug丶修复对，两条管线同时跑。」赵文渊的手在桌上敲了两下，越说越兴奋，「数据飞轮，这个别人偷不走。就算把数据偷走，没有这个检测引擎，也做不出同等质量的清洗。」

韩路一没说话，文渊，入吾彀中矣。

与此同时，赵文渊拿过那张写满数字的纸巾，翻到背面，接着写。

「後训练不需要预训练那种千卡集群，但也不便宜。H100单卡现在市场价二十到二十五万，8卡一台伺服器，一台一百六到两百万。」