听到后，他丝毫没有感到意外。
在他看来，伊戈尔老是这样，冷不丁地丢来一段想法，让他做个验证，或者干个别的事情。
他们的团队每周都会冒出很多有价值的想法，只是最后能落地的少之又少。
因此他回了个：“好的，巴布什金先生。”
话音落下，那边挂断了电话，他继续吃披萨。
吃完才把mac搬到餐桌上，打开电脑，打开邮箱，打开文档。
“.……候选程序数量、可见测试通过率和策略覆盖度是三件不同的事。模型可以通过大规模采样制造出数量上的繁荣，却仍然在少数失败族里打转.……”
这是直指alphacode的漏洞啊，尼克思忖。
他继续往下看，数据格式写得很具体。
每个训练样本从题目描述、候选程序到隐含的假设、失败边界、最小反例等等无所不包。
尼克看到这里，第一反应是麻烦，第二反应是新的数据设置方案大概率有用。
他开始按文档搭最小验证环境。
伊戈尔·巴布什金给他的限制很明确：不用内部敏感数据，不碰生产系统，不动alphacode主流程，只用公开题目和小规模候选程序集。
伊戈尔之所以会这样选，是因为他不想被谷歌发现。
他还想拿着这个模型在谷歌和推特两家之间待价而沽呢。
尼克从公开竞赛题里挑了一批结构清楚的题，按文档要求整理候选程序，把其中一部分错误解法标上失败原因，再用脚本生成针对性的反例探针。
一开始他还有点不耐烦，因为这东西过于手工。
指标漂亮当然是好事。
但前提是，漂亮的指标得是模型自发生成的。
