传媒资讯归类太慢？运维人用深度学习提速

　　去年冬天，老何在BI组的钉钉群里发了个截图：「传媒资讯归类延迟平均四百一十二秒」——后面还跟了个捂脸笑表情。我盯着那张图看了十八秒，没点开附件，先去接了杯水，水壶底结了层薄霜，拧盖时手抖了一下，水泼在工牌背面，把「运维中心」四个字泡得有点发毛。

　　不是不想动，是刚处理完CDN回源崩掉那事，机房空调修到凌晨两点，回来路上下着冻雨，裤脚全湿透贴在小腿上，那种冷不是刺骨，是阴着往骨头缝里钻。我进门时，数据中台的小陈正蹲在机柜旁用手机电筒照SSD灯，光斑晃来晃去，像条受惊的银鱼。他抬头问我：“李工，归类任务是不是又卡在embedding层？”我没答，顺手把外卖盒往桌上一推，汤汁晃出来，滴在键盘F5键上，黏住了一颗芝麻粒。

　　其实早该动手了。去年双十一前，法务部要查二十家媒体的舆情风险标签，等归类结果等了六小时，最后交上去的表格里，“境外煽动类”和“政策误读类”混着标，人小吴直接在周会现场改Excel，边改边念叨“这模型怕不是把‘央媒转载’和‘自媒体转发’当同义词喂进去了”。我原以为换套BERT微调就能解，结果发现根本不是模型的事——是预处理pipeline里三处正则表达式写反了方向，其中一处还是我半年前写的。我说不准当年为啥非要用re.sub(r'(\\d{4})年', r'\\1', text)去清理年份，明明后面分类器根本不用时间信息；但那个括号位置我敢打包票，绝不会错。

文章配图，仅供参考

　　这事最荒唐的不是技术，是流程。归类慢？可他们从来不在意归类本身准不准，只盯延迟。去年十二月七号下午，风控那边要赶在三点前出日报，我们临时启用了离线兜底池，手动导入了三千八百条缓存快照，结果报表里“虚假宣传类”暴增两百四十例，全是因为某MCN机构那天批量生成了带“免费试用”字样的短视频封面图——图像OCR出来的文字被塞进了文本分类流。没人质疑OCR精度，只抱怨“为什么不能实时归类”。我就想不通，为什么非得等所有环节都堵死才肯认：有些慢，本来就是为防错让出来的喘息空间。

　　上周我去机房换热感探头，路过测试区听见几个实习生讨论Prompt工程，说“加个‘请以专业媒体编辑身份判断’就能提准召”，声音压得很低，但盖不过空调外机的嗡嗡声。我停下擦了擦眼镜片上的雾气，没进去，转身走了。你知道么，服务器风扇转速超过四千七百转/分钟的时候，听久了耳朵里会有种持续的、像蝉鸣一样的余响。现在我每天下班前都会站那儿听十秒——不是为了检查噪音，就是突然很想确认自己还没聋。

　　所以你说“运维人用深度学习提速”？行啊，但得说清楚：提速的到底是谁？是法务要审的内容？是运营要配的推送？还是领导晨会前要扫一眼的摘要？我们改了模型，但没改那个根本问题：没人愿意承认，有些资讯压根不该归类，就该直接进灰度池晾着。优胜劣汰这话没错，但淘汰的从来不是模型，是那些永远不肯砍需求的人。下周我打算拆掉两台老GPU，换成SSD缓存池。反正新模型推理快了，空出来的算力……先存三个月的原始日志再说。老何昨天发消息问要不要加个“疑似归类冲突告警”，我回他：先让我把桌上这盒凉透的麻辣香锅吃完。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!