下书看 > 太空争霸之我来自未来 > 第95章 盲测二号

太空争霸之我来自未来 第95章 盲测二号

    铁皮柜重新打开时,封条已经发黄。

    乔岚先核对骑缝签名,再检查春天离开实验室前留下的湿度指示和门锁记录。公共卫生事件最紧张的几个月里,最终评估答案一直没有离开这里。没人把软盘寄回家,也没人用电子邮件偷偷传一份“只看结果不看标签”的副本。

    封存保住了,时间却改变了样本的意义。

    盲测二号原本计划在春季完成,如今已经入秋。模型版本、业务规则和用户结构都发生变化。若直接按旧计划测试,失败或成功都可能混入延期影响;若重新抽样,又会让开发组知道更多未来数据。

    苏雨桐决定保留原时间外推集,先测试疫情前就冻结的版本,再另设一个更新后的观察集。两者不能合并。旧版本回答“当时准备上线的模型能否面对下一段时间”,新观察集只回答“环境变化后哪些结论开始失效”。

    产品团队最关心的是评分能否减少人工量。苏雨桐把目标改得更准确:在不直接拒绝用户、不改变银行执行、不使用搜索查询的前提下,能否帮助安排哪些异常先由人工查看,同时不让某类用户长期排在后面。

    基线仍是透明规则。另一条基线是按进入时间排序。模型若只比随机好、不比已有规则好,没有上线理由;若总体胜过规则,却把损失集中给新商户、季节性经营者或某一地区,也不能只报平均数字。

    乔岚主持揭晓。她从柜里取出的不是一张干净答案表,而是带分歧标记的标签。二十多条记录当初就没有一致结论,延期期间又有几笔争议得到新信息。她按封存时可知与后来补充事实分层保存,防止用未来信息反过来修改当时标签。

    “同一笔记录有两个答案?”陈维明问。

    “有两个时间点能知道的事实。”乔岚说,“当时无法确定,后来闭合,不代表当时的人应该未卜先知。”

    测试机器再次断网。程序和参数刻在只读介质上,顾宁从航天筹备组过来旁观时间与版本记录。她看到乔岚用棉线装订索引,笑说研究组的配置管理比试验场更像手工活。

    “线断过会看见。”乔岚说。

    “螺丝上的见证漆也是一个道理。”

    两个过去很少一起工作的人,因为一根棉线和一道油漆聊了十分钟。星辰三条业务不能共享不该共享的数据,方法却可以互相提醒。

    第一组结果打印出来,模型在总体识别上超过五条规则,也比按时间排序更早找出后来需要介入的异常。误报率仍不低,却比盲测一号明显下降。孙理看见数字时握紧拳头,没有欢呼,只问输出文件校验值是否完成。

    第一次失败以后,他已经不再把屏幕上最好的数字当成胜利本身。

    分组结果很快泼来冷水。老用户表现较好,新商户误报仍高;批发类月底集中付款的问题有所改善,季节性农产品商户却被连续排入高优先复核。模型使用的近期失败次数、金额偏离与账户历史,对经营周期不规则的人不友好。

    最典型的是一家收购干果的小商户。平时交易很少,入秋后两周内集中向多个农户付款,金额远高于夏季。模型把它列到最前。人工复核最终确认业务真实,商户却因电话信号差,连续两次没接到回拨。

    若模型直接阻断付款,这会是一场严重误伤。若只用于安排人工复核,它仍会占用客服时间,也可能让商户觉得自己被怀疑。所谓“只是辅助”,不是没有后果,只是后果不同。

    小郭联系商户回访。店主在外地收货点,背景里全是装袋和称重声。他听不懂评分,只问星辰为什么每年这个时候都像第一次认识他。

    “因为系统只看见过去几个月。”小郭说完,觉得解释不像道歉。

    “我去年也这样收货。”

    星辰的在线历史没有完整覆盖去年旺季。数据不足不是商户的错。团队在报告中加入季节性覆盖要求:没有跨周期证据时,不能把短历史稳定性称作长期行为。对于经营周期明确的商户,允许在授权范围内补充业务季节信息,但不得强迫提供与付款无关的私人资料。

    另一个案例证明模型确有价值。一名商户账户出现多笔间隔短、收款关系新、授权失败后迅速变更操作人的指令。单条规则分别看都未超过阈值,组合评分却把它提前送入人工队列。客服在银行执行前联系到原负责人,确认手机与资料被前员工擅自使用。

    付款被暂停,授权重新建立。原负责人问星辰是不是已经知道前员工会做坏事。小郭说不知道,系统只发现几种变化同时出现,需要人确认。

    “那别给他留个坏人档案。”商户说,“事情我们还要处理。”

    研究记录只保留事件事实和处置,不给个人生成永久道德标签。模型命中一次也不自动提高以后所有指令的风险。

    孙理想把这个成功案例放在报告摘要。苏雨桐同意,但要求与干果商户误报并列。只展示被救下的钱,会让辅助系统显得只会发现风险,不会制造等待。

    盲测报告写了一个星期。总体指标、分组差异、争议标签、时间漂移和人工成本各占一部分。乔岚在最后签字,确认揭晓流程与样本保管;孙理签模型版本与结果;苏雨桐签研究结论。

    这一次,没有人预先印好她同意商业应用的句子。

    产品化评审另开。研究组建议只在受控范围内把模型作为人工复核队列的一个输入,必须同时显示触发的可解释因素,客服可以降级、升级或标记信息不足。模型不得自动拒绝、提高费用、降低额度或生成“可信商户”称号。

    试点用户不因进入模型队列失去正常申诉与状态说明。公司还保留一部分随机抽查,防止只看模型挑出的案例后,越来越相信模型。每月按新旧用户、商户类别与地区检查等待差异;偏差超过阈值,停止使用并回到规则队列。

    产品负责人问,既然每个人还要看、还要解释,模型节省了什么。

    “可能节省部分排序时间,也可能没有。”苏雨桐说,“试点就是测这个,不是宣布已经节省。”

    陈维明放弃“智能风控上线”的发布会,只在内部产品说明中写“研究评分辅助人工复核试点”。用户界面不显示神秘分数,只在需要补充信息时说明具体原因与下一步。

    试点第一个月,人工平均处理时间略降,复杂案例闭合时间没有明显变化。新商户等待差异仍在,但未继续扩大。一次模型服务故障时,队列自动回到透明规则,没有让支付系统停摆。

    客服真正使用后又发现一个设计问题。界面把模型提示放在最上方,人工事实藏在下面,操作员即使拥有否决权,也容易先被提示定调。小郭统计发现,模型建议“优先”的案例很少被降级,而未显示建议的同类案例处理顺序差异明显。

    苏雨桐要求隐藏模型最终排序,只显示经过授权的事实因素,让客服先作独立判断,再在提交后查看模型建议并说明是否一致。产品负责人担心这会减少节省,乔岚说若所谓效率依赖人不再独立思考,就不是辅助。

    改版后,人机不一致数量上升。几次人工判断后来证明更好,也有几次模型提前发现组合变化。所有不一致都进入抽样复核,不以“谁赢得多”惩罚客服。模型无法解释的分数不进入用户沟通,用户只被告知实际需要核实的事实。

    第二个月,处理时间节省比原界面小,却更可信。董事会保留试点,没有扩大到额度与费用。苏雨桐在月报上签的是“继续受控观察”,不是“模型成熟”。

    孙理本想庆祝盲测终于赢了一次。周五,他买来一包花生,放在当年那只收试探问题硬币的茶缸旁。乔岚从学校赶来,裤脚又沾了自行车链条油。她已经换过一次链条,那辆旧凤凰车仍舍不得卖。

    大家剥花生看报告,没有横幅。陈维明往茶缸里放了五块钱,说这次能不能算主动贡献晚饭。

    乔岚把钱退给他:“今天没人偷问答案。”

    最后由研究预算买了两袋包子。苏雨桐只吃一个,剩下的带回家给马飞。马飞从航天试验场回来得晚,打开纸袋时包子已经凉了。他问结果是不是赢了规则。

    “在限定任务、这批样本和当前指标上,赢了。”

    “可以上线?”

    “可以被人看着试。”

    马飞把包子放进蒸锅。水开以后,蒸汽蒙住厨房玻璃。这个答案不适合写进广告,却让他想到推力室那八秒稳定工况:前进一步,不等于获得对所有未来条件的通行证。

    盲测二号终于给了模型一次胜利。

    它没有让机器成为裁判,只让机器获得一张坐到人工复核桌旁的临时椅子。椅子上写着任务、期限、申诉和退出条件,随时可以被搬走。