基础的模型权重和技术。
究竟为何要这么做，说到底还是基础不够扎实牢靠。
整理数据，清洗数据，给数据打上高质量的标签。
这些都是脏活累活，见效慢的工作。
把别人公开的数据拿过来跑一跑训一训，多么方便快捷？
以国内996大厂的内卷风气，很难容下长回报周期的基础建设。
早些时候看看不出区别，只觉得国内大厂频繁在XX榜单上露面，刷榜，又是超过这个，又是超过那个。
直到语言大模型阶段，基础语料数量和质量上的劣势才暴露无遗。
“其实这也不能完全怪华国的大厂风气，美国的互联网起步要早，并且很多领域的文献材料归档做得特别好。”孟繁岐也曾仔细思索过这方面的问题。
“像github，arxiv这样的大型公开社区，里面都是非常优质的外文代码或者论文。这些也不只是美国人自己的积累。而是通过免费公用的形式，收割了全世界的数据。”
“华国人在github上贡献的代码行数也不在少数，反过来看看华国的论文社区，就比如知网，纯纯就是毒瘤。里面屯点硕博生的论文，还要论页数收费。就连下载之后的器，甚至都需