滴滴今晚就要在纽交所挂牌了，朋友圈里全是截图。我盯着那个橙色 logo，脑子里想的却是另一件事：上个月接的那个汽车媒体内容自动化项目，卡在语义理解这关了。客户要批量生成车型评测，我拍胸脯说能用 NLP 模型搞定，结果被现实抽得脸疼。
当时觉得这事儿有谱。爬虫把汽车之家、懂车帝的几十万篇评测文章扒下来，清洗、分词、建语料库，流程走得很顺。我选了 BERT 的变体，RoBERTa，听说它在中文任务上表现更好。想法很直接：把文章结构拆成“外观-内饰-动力-操控-油耗”几个模块，让模型学会每个模块的“说话方式”，然后根据新车参数表，自动组合生成段落。理论上，这能替代掉小编 80% 的套路化写作。
真正跑起来才知道什么叫“理想丰满”。第一个坑是数据标注。你以为“动力强劲”这种词很好学？模型生成的句子是“发动机提供了令人满意的强劲动力输出”，读起来像谷歌翻译十年前的水平，僵硬得要死。更麻烦的是上下文一致性，前一段说“底盘调校偏舒适”，后一段突然来一句“路感清晰，转向精准”，自己打自己脸。我花了整整一周，手动标注了上千条矛盾样本喂给模型，准确率才勉强从 60% 爬到 75%。这效率，还不如雇个实习生。
第二个坑是“行业黑话”。客户给的参数表里全是缩写和特定表述，“零百加速”、“NVH 表现”、“麋鹿测试成绩”。模型在通用语料上训练得再好，碰到这些专有名词就抓瞎，要么乱编，要么直接跳过。我不得不单独建了一个汽车术语词表，做实体识别和替换，相当于给模型强行打补丁。那几天，我对着屏幕查“双叉臂前悬”和“麦弗逊式”的区别，感觉自己像个被迫上工的汽车修理工。
最深的挫败感来自“风格”。客户要的是“略带毒舌的客观评测”，那种微妙的揶揄语气。我尝试在训练数据里混入一些 Top Gear 风格的中文翻译稿，结果模型学会了“吐槽”，但吐得毫无分寸，生成“这内饰的塑料感，堪比十年前的面包车”，直接把客户爸爸的赞助车型给骂了。我这才清醒地认识到，现在的模型，本质上是个概率统计机器，它不懂什么叫“恰当”，什么叫“过火”。那种基于人类常识和社交直觉的微妙平衡，它学不会。
但惊喜也不是没有。当我放弃生成整篇文章，转而让模型做“段落填充”和“句式改写”时，效率突然就上来了。比如，我手动写好核心观点和框架：“外观设计激进，内饰用料一般，动力总成平顺。” 然后让模型根据这个骨架，去自动生成三到五个描述性句子作为血肉。它在这类约束性任务上表现得出奇地好，能提供多种表达选项，避免了重复劳动。另一个惊喜是“查缺补漏”，我写“空间宽敞”，它会自动补上“后排腿部空间两拳有余”这种具体数据，因为它“记得”语料库里常这么搭配。
所以这个项目最后成了半自动模式。我成了那个定框架、控风格、把关质量的“主编”，模型是我手下那个不知疲倦、但时常犯傻的“写作助理”。它一天能生产几百段文字，我省掉了 60% 的机械劳动，但最后那 40% 的创意和审核，谁也替代不了。看着滴滴上市新闻，我就在想，出行领域烧钱烧出一个巨头，靠的是资本和规模。但内容这件事，尤其是带点“人味儿”的内容，想完全自动化？2021 年的 AI，还差得远。它更像一把锋利的锉刀，能帮你打磨粗糙的胚子，但最初的那个形状，那把刻刀，还得握在人的手里。
夜深了，窗外滴滴的上市钟声大概已经敲响。我关掉训练日志，模型还在后台默默跑着下一个 epoch。它不懂什么是上市，什么是估值，它只关心下一个词的概率。而我知道，明天还得继续调参，继续和那些不听话的向量作斗争。这大概就是当下最真实的处境：一边仰望巨头腾飞的烟花，一边在泥泞的数据里，一寸一寸地向前拱。
