让Codex复现优胜AI模型，顺便配了个试用前端。为了避免骂人，示例借用网友上一世的名讳。

操作很简单，找到某个竞赛，让它找优胜方案，先plan确认是否理解要求，再goal开启训练，持续运行。

竞赛主题是多语言有毒评论分类（Jigsaw Multilingual Toxic Comment Classification）原优胜方案用xlm-roberta-large做到0.9536，本地为了节省时间验证用了xlm-roberta-base，做到了0.8877，看着效果还行，至少达到我的预期（训练起来了），3080TI上80ms判定一次。

操作很简单，找到某个竞赛，让它找优胜方案与相关资料，然后让它写出训练方案（plan模式），确认它理解要求后，再开启训练，可用goal模式持续运行。

资源占用情况。不算本来就有的python相关依赖，存储最终占用20GB（训练、验证数据6GB，单个模型1GB），耗时约4小时。

AI貌似没有考虑训练过程中断了怎么办（断点续连）。

如果拓展到large，估计磁盘占用会来到120 GB，12GB显存会开始吃不消，最好去“租显卡”。最近租用价格好像还降了。 How I AI

另外让Codex写前端的时候，它自行调用了GPT-Image-2生成Demo（图五），可惜实现有点偷懒了哈。

可能有人会问不给方案会怎样。我试过了，给些玩具都算不上的demo方案。