领域的ai模型上的研究其实也有七八年的经验了,但是在看到周昀的模型架构时候还是感觉非常的震撼。
\n
除了最为基础的架构仍旧是基于transform的注意力机制,其他地方和现有的模型都大不相同。
\n
这次来,除了验收,也是想和周昀讨论一下相关的技术细节,毕竟之后这东西是要真正运用的,如果不了解细节,他们很难放心使用。
\n
简单介绍了一下,赵主任回到位置上:“周同学,时间宝贵,客套话就不多说了。
\n
这次请你来,目的很明确,主要就是进行项目的验收。
\n
李主任在这,他会问你一些一些技术上的问题,最后根据咱们事先设定好的几个指标进行检测。
\n
如果通过,咱们这一阶段的项目就算完成,你有什么问题吗?”
\n
“没有问题。”
\n
“好,那咱们开始吧,李主任,接下来交给你了。”赵主任点点头,示意可以开始。
\n
“好,周同学,对于你的模型我们昨天在接到你的电话后就进行了简单地内部测试和实盘测试,结果都非常好,在这一点上已经完全达甚至超过了之前拟定的指标,
\n
另外,你在服务器上写的相关技术文档我都看过了,不过因为时间原因,有的地方还是存在一些疑问,正好今天当面请教。
\n
主要有两个问题:现在的模型只针对一支股票,但在整个股票市场中,肯定不止一支股票,类型也各有不同,
\n
那么你要如何处理各种股票之间的相互影响,如何能确保模型在处理远超现有数据规模的情况下还能保持现在的性能?
\n
第二个问题就是,假如我们要将整个美股都放到你的模型框架里,你预估
本章未完,请点击下一页继续阅读! 第3页 / 共4页