强化学习需要奖励函数。你怎么定义奖励？”

    陆方：“准确率。奖励就是准确率。”

    陈曦：“那太简单了。试试用夏普比率？不仅要准，还要稳。”

    陆方：“夏普比率？我用的是分类任务，不是交易策略。”

    陈曦：“分类任务也可以用夏普比率。把准确率看成收益，把方差看成风险。最大化夏普比率，就是最大化收益风险比。”

    陆方沉默了几秒。“有道理。我试试。”

    陈曦：“好。有结果告诉我。”

    陆方放下手机，打开论文，开始研究强化学习。

    2024年3月31日，星期日，晚上十一点。

    陆方完成了强化学习的第一个版本。他用夏普比率作为奖励函数，训练了一个权重优化模型。测试结果：准确率93.1%，波动率下降了30%。他在笔记本上写道：“强化学习有效。下一步，部署到星海平台。”

    他给陈曦发消息：“强化学通了。准确率93.1%，波动率下降30%。”

    陈曦回复：“厉害！夏普比率多少？”

    陆方：“1.8。”

    陈曦：“不错。继续优化，争取到2.0。”

    陆方笑了。他想起2019年，陈曦第一次来公司，画了那张产业链图谱。那时候，她才11岁，什么都不懂。现在，她在伯克利，教他做强化学习。时间过得真快。

    他关掉电脑，站起来，走到窗前。窗外，深圳的春夜安静而深邃。远处的平安金融中心，灯光在夜色中闪烁。

    他想起周寻说的话——“淘汰我们的不是技术，是我们不会用技术。”他学会了用技术。不是被技术淘汰，是用技术淘汰别人。这是他的路。

    他转过身，关掉灯，走出技术部。走廊里，灯光明亮。他经过研究部，灯已经关了。经过交易室，灯也关了。经过陈默的办公室，灯还亮着。

    他走进电梯，按下一楼的按钮。电梯门关上，数字从18跳到1。叮。门开了。

    大堂里空无一人，只有保安在值班。

    “陆总，今天这么晚？”保安问。

    “嗯。有点事。”陆方点头，“辛苦了。”

    他走出大楼，深吸一口春夜的凉风。三月的深圳，温暖而湿润。

    远处，平安金融中心的灯光在夜色中闪烁。

    他坐进车里，发动引擎。收音机自动打开，传来一个声音：“……今日A股震荡收红，科技股领涨。默石资本首席技术官陆方表示，星海平台已完成新一轮升级，大模型准确率提升至93%……”

    他关掉收音机。不需要听这些。他知道，星海还会更强。他也会更强。

    他挂上倒挡，驶出停车场，汇入深南大道的车流。前方，是夜色中的深圳，灯火辉煌，但行人稀少。他握着方向盘，眼睛看着前方的路。路灯一盏一盏地亮起来，像一条光河，流向远方。

    他不知道这条河的尽头是什么。但他知道，无论是什么，他都会沿着这条路走下去。不是因为他能预测未来，是因为他相信——技术是工具，不是主人。他是主人。

    他加速，驶入夜色。