摘要：荡寇风云...

谷歌翻译

毕丹星要求和易华仁案一样于高庭受审高庭法官下个月裁决_我的网站

秘密花园

A | 人工智能公司OpenAI正在进行一项非同寻常的试验：通过雇佣超100名前投资银行员工，训练其AI模型掌握金融建模等核心技能。据媒体10月22日报道，OpenAI这项代号为“Mercury”的秘密项目，已经吸引了来自摩根大通、摩根士丹利和高盛集团等顶尖金融机构的前员工参与。这些参与者负责编写指令、构建用于重组和首次公开募股（IPO）等各类交易的金融模型，以此“教导”AI如何像一名初级银行家一样工作。

B | 工人党秘书长毕丹星提出刑事动议，要求将他的案件如同前交通部长易华仁的案件一样，把案件从国家法院移交高庭审理，审理的法官今天（26日）听了控辩双方一个上午的争论后，表示将在9月9日作出裁决。报道援引知情人士透露，这些合同工的时薪为150美元，并且获得了他们正在帮助创建的AI的早期使用权。毕丹星因辣玉莎事件被控两项抵触国会（特权、豁免和权力）法令的控状，指他在听证会上撒谎，他昨天（26日)在高庭提出刑事动议，要求将案件从国家法院移到高庭审理。这一举动在金融行业内部引发了对初级岗位职业前景的担忧，分析师们长期以来抱怨工作繁重乏味，而人工智能的崛起正将这种抱怨转变为对其工作安全性的直接威胁。指案件涉及重要公众利益应由高庭审理毕丹星的代表律师Andre Jumabhoy针对刑事动议陈词时，直接拿前交通部长易华仁涉贪案来比较，指易华仁的案件因涉及公众利益而移交高庭审理，并指出易华仁和毕丹星被控时都是国会议员，一个是前交通部长，一个是反对党领袖。

C | 另外，辩方也称毕丹星面对控状的条文是“史无前例”的，而易华仁的罪状也同样新颖，加上是公务员身份的他们在案件中的一举一动都会被关注，引起公众的兴趣，想必也会造成一定的影响，可说不比易华仁案小。此举也揭示了Sam Altman领导下的OpenAI的战略重心。易华仁案件是新加坡法庭首次审理属于刑事法典第165条文的控状，控方今年2月份将案件移交到高庭审理。作为全球估值最高的初创公司之一，OpenAI尚未实现盈利，将强大的AI技术转化为能服务于金融、咨询、法律等各行各业的实用商业工具，已成为其当务之急。辩方根据这点指毕丹星案也是首例，因此希望法官能批准将案件移交到高庭审理。

D | 不过辩方同时表示，申请把案件移交到高庭审理，并没有指国家法院“不够格”的意思。

E | 控方反驳指，毕丹星案和易华仁案性质不同，不可一概而论，而且控方将易华仁案移交高庭审理并非因为他曾是国会议员或部长的身份，更不是受到任何特别的对待。一、百余名前员工参与，时薪150美元训练AI 根据报道，OpenAI的“Mercury”项目已招募了超过100名具有华尔街背景的专业人士。控方还说，不是每个公众感兴趣的个案都会移交高庭审理，国家法院也经常审理新型案件，包括那些在某些条文下首次被提控的案件。

F | 参与者阵容强大，不仅包括曾在摩根大通、摩根士丹利、高盛等一线投行工作过的前员工，还囊括了来自Brookfield Corp.、Mubadala Investment Co.、Evercore Inc.和KKR & Co.等知名投资机构的人才，甚至还有哈佛大学和麻省理工学院的在读MBA学生。

G | 项目以灵活的合同工形式运作，参与者被要求每周提交一个金融模型。高庭法官符晓平听了双方一个上诉庭上陈词后，将案件展期到9月9日再针对毕丹星的申请作出裁决。他们的任务包括用简单的语言编写提示，然后在微软的Excel程序中执行并构建模型。在2021年底，国会特权委员会就盛港集选区前议员辣玉莎在国会撒谎一事举行听证会。国会后来将工人党议员毕丹星和费沙在听证上的行为是否抵触国会法令，交给总检查署展开调查。

H | 总检察署和警方完成调查后决定正式提控毕丹星。一位审阅人会对其工作提供反馈，参与者需在修正所有问题后，其成果才会被最终输入OpenAI的系统。OpenAI的一位发言人表示，公司与“众多领域的专家合作，以改进和评估我们模型的能力”，并称这些专家由第三方供应商招募、管理和支付报酬。毕丹星今年3月份被控后表示对控状不认罪，之后聘请代表律师替他辩护。

I | 代表毕丹星的律师是ANDRE JUMABHOY律师事务所的律师Andre Darius Jumabhoy和Aristotle Emmanuel Eng Zhen Yang。

J | 值得注意的是，该项目的申请流程几乎没有人为干预。申请过程包括与AI聊天机器人进行的约20分钟面试、一项财务报表知识测试以及最后的建模能力测试。在相关法令下，一旦被定罪，毕丹星可能被判最长三年监禁，或罚款高达7000元，或两者兼施。总检察署已表明，如果毕丹星的罪名成立，控方的立场是将请求法官针对两项控状判他罚款。

K | 二、“请修复”：AI需要学会的细节与格式投行初级分析师以其超长的工作时间闻名，在处理实时交易时，每周工作超过80小时是家常便饭。他们的工作充满了大量被视为“脏活累活”的任务，例如在Excel中构建复杂的并购模型，以及根据上级要求反复修改PPT演示文稿。在彭博专栏作家Matt Levine看来，这种对细节的极致追求，恰恰是AI需要学习的关键。他评论道，一名成功的投行分析师必须是“注重细节的”，因为模型或演示文稿中一个微小的格式错误，比如美元符号未对齐，都会让上司怀疑其中可能存在更严重的实质性错误，从而破坏信任。 Levine将目前的生成式AI比作“聪明但粗心的分析师”——它们能迅速产出看似合理的模型，但往往会出错或出现“幻觉”，无法被完全信任。

L | 因此，他认为OpenAI的项目本质上是一种“强化学习”，相当于“让一位投行副总裁对着AI吼上几年，直到它把格式做对为止”。雇佣前银行家正是看中了他们自身已经历过这种严苛的训练，能够本能地遵循页边距大小、百分比斜体等行业格式规范。三、替代学徒？华尔街晋升模式面临考验 “Mercury”项目的直接目标是让AI替代初级员工的工作，这引发了对投资银行传统学徒制模式未来的深刻质疑。数十年来，华尔街依赖于一个金字塔结构：初级分析师通过处理基础工作来学习技能，其中最优秀的一部分人最终晋升为需要与客户打交道的高级银行家。正如Matt Levine所提出的问题：当一个行业不再需要学徒时，它未来的高级合伙人将从何而来？如果AI接管了模型构建和文书工作，年轻的金融专业人士将如何获得必要的实战经验和行业知识，以成长为未来的领导者？不过，这一趋势也存在另一面。

M | 投资银行分析师项目的流动率一直很高，许多人在工作两年后便选择离开，投身于创业或其他行业。

N | 对于这些已经离开的人来说，回来训练一个可以替代自己当年岗位的机器人，或许并没有太多心理负担。 “Mercury”项目不仅是华尔街的潜在颠覆者，更是OpenAI商业化战略的缩影。通过将目标锁定在金融服务这一利润丰厚的领域，OpenAI正努力证明其技术在复杂企业环境中的价值。尽管估值高昂，但OpenAI尚未盈利的现实，正驱使其积极开拓企业市场。