第二日一早九點,，蘇飛背著書包就準(zhǔn)時來到了計科306,，讓他沒想到的是，306居然坐滿了人,，而他一進去,，閑聊的學(xué)員們就忽然沉默下來,，齊刷刷地把視線投到他身上。

　　這讓蘇飛多少有點尷尬,，他就是個旁聽生,，怎么還成焦點了，讓他有些緊張,。

　　他沿著墻打算找個角落坐下,，可屁股還沒落座呢，一旁的學(xué)員卻疑惑地問：“學(xué)弟,，你坐下干嘛,？上去講課啊?！?p>　　蘇飛愕然：“我就是個聽課的?。俊?p>　　姜大小姐也沒說他要上去講??？難道這是社團習(xí)俗？

　　“我們都是來聽你講課的啊,?！蹦菍W(xué)員吃了一驚，心想這學(xué)弟不是被譽為機器學(xué)習(xí)領(lǐng)域的新星么,？怎么感覺呆呆的,。

　　“啊,？”蘇飛環(huán)視一周,，發(fā)現(xiàn)姜大小姐居然不在。

　　“快上去呀,，大家都等著呢,?！迸赃叺牧硪粋€學(xué)員催促道。

　　“哦......哦,，那行吧,。”

　　望著齊刷刷看向自己的學(xué)長學(xué)姐們,，他也有些自我懷疑,，難道姜大小姐早就想到我會整理TagLM的相關(guān)知識并且提出一個新想法，所以讓我先大致講講我的構(gòu)想,？

　　他猶豫了片刻,，說道：“我對機器學(xué)習(xí)和深度學(xué)習(xí)的理解其實比較淺薄，相較在座的各位,，經(jīng)驗非常不足，如果有什么錯誤的地方還請多擔(dān)待,?！?p>　　沒有他預(yù)想里的鼓勵加油，眾人都一副冷漠的態(tài)度,。

　　搞什么,，AI研究社的人都和姜傾雪一樣是個冰塊？

　　可一想到姜大小姐這座鉆石礦,，蘇飛還是不情不愿地上臺,。

　　蘇飛打開書包，拿出準(zhǔn)備好的U盤,，里邊有他昨天的構(gòu)想,，將資料投屏到306的屏幕上。

　　“基于TagLM的深度上下文詞向量預(yù)訓(xùn)練,？不是說要講講機器學(xué)習(xí)的核函數(shù)升維方法么,？怎么突然改換深度學(xué)習(xí)了？而且還是自然語言處理,？”

　　下面的一些學(xué)員頓時有些迷惑了,，這和他們接到的通知不一樣啊。

　　“我想講一講我對TagLM的理解,，大家可能都比較熟悉TagLM這個模型,，但我不想從計算機系的角度去理解，而是從數(shù)學(xué)系的角度去理解,?！?p>　　“TagLM的主要貢獻其實就是預(yù)訓(xùn)練，分三個步驟完成詞向量的預(yù)訓(xùn)練,，前兩個步驟的結(jié)果拼接起來放到第三個部分進行預(yù)測......”

　　聽著蘇飛的講課,，眾人表情微變,。

　　“這完全就是基礎(chǔ)課啊?！?p>　　“TagLM,，我們社不是研究過好多遍了么？”

　　“顧行之不是機器學(xué)習(xí)的么,？怎么跳到深度學(xué)習(xí)了,？”

　　“顧行之名不副實啊?！?p>　　蘇飛內(nèi)心暗道果然,，這些知識對于普通的本科生來說是超綱知識，但對于AI研究社的學(xué)長學(xué)姐來說,，都只是基礎(chǔ),。

　　于是，他也不準(zhǔn)備藏著掖著了,，開始進入正題,。

　　“上述所說的都是基于編程知識，對TagLM做的一個簡單的概括,。那么我接下來就用數(shù)學(xué)知識來闡述一下我的看法,。我想大家也知道，TagLM基于的循環(huán)式神經(jīng)網(wǎng)絡(luò)在數(shù)學(xué)上其實就是一個矩陣,，用線性代數(shù)的角度去想,，訓(xùn)練的過程無非就是更新矩陣的參數(shù)罷了?！?p>　　“但是,，為什么TagLM的拼接操作會被人詬病，為什么分成三部來訓(xùn)練就會有不小的誤差呢,？這個問題不僅困擾著TagLM,，而且困擾著與之相關(guān)的FastText和ULM模型。我想,，深度學(xué)習(xí)教科書上也不會解釋,，因為大家都說深度學(xué)習(xí)是個黑盒，很難解釋原理,?！?p>　　“但，僅針對這個問題,，我從數(shù)學(xué)的角度理解,，應(yīng)當(dāng)是......”

　　隨著蘇飛講解的深入，眾人一改之前的神色,，他們發(fā)現(xiàn),，這小學(xué)弟還真有實力,。

　　眾人紛紛打開筆記本，開始記下蘇飛的獨特見解,。

　　......

　　此時,，姜大小姐才趕回306，來到306門前,，正準(zhǔn)備推門進來,，卻發(fā)現(xiàn)有人在講課，頓時停下了動作,。

　　“顧行之剛跟我說有事不來,，怎么還有人在講課？”

　　姜傾雪越看那人越覺得熟悉,，看到PPT上大大的“TagLM”,，這才想起，這不是圖書館那日的......蘇飛,？

　　姜傾雪出于禮貌,，沒有立刻開門，而是在門口靜靜地聆聽了幾分鐘,，聽著蘇飛從數(shù)學(xué)角度的講解。

　　‘叮,！目標(biāo)好感度+1,，目前好感度22?！?p>　　‘叮,！目標(biāo)好感度+1，目前好感度23,?！?p>　　...

　　‘叮！目標(biāo)好感度+1,，目前好感度30,。’

　　系統(tǒng)的聲音讓正在講課的蘇飛一頓,，隨即便意識到,，姜大小姐回來了？

　　于是,，他又環(huán)視了一周,，發(fā)現(xiàn)在門口站著的那位冰山美人。

　　“學(xué)弟,，繼續(xù)講啊,，剛剛說的兩種模態(tài)差異的數(shù)學(xué)表示到底是什么,？”

　　“實在是太精辟了，真的沒想到,，小學(xué)弟研究TagLM到了這種地步,，我還從未見過有人能用數(shù)學(xué)把這個模型講的這么清晰?！?p>　　“雖然涉及到的數(shù)學(xué)知識只有高等線代和高等數(shù)學(xué),，但沒有把這兩本書吃透，根本沒法有這樣的理解,，我們AI研究社專注研究模型結(jié)構(gòu),，忽略了基礎(chǔ)的數(shù)學(xué)理論，學(xué)弟你這堂課我們真是受益匪淺,！”

　　“作為數(shù)學(xué)系的學(xué)生,，在高等線代的理解上居然不如學(xué)弟，學(xué)弟牛哇,！”

　　眾人發(fā)現(xiàn)蘇飛久久不語,，于是順著他的視線看去。

　　“社長,？,！”

　　姜傾雪這才一臉冷淡地推門進來。

　　“社長,，這顧行之不愧是社長你推薦的人啊,，名副其實！華大研究生實至名歸,！”一旁的學(xué)員感嘆道,。

　　蘇飛：“啥？”

　　什么鬼,，我成替身了,？

　　姜傾雪淡淡地道：“講的不錯?！?p>　　‘叮,！目標(biāo)好感度+5，目前好感度35,?！?p>　　蘇飛暗想：您老就是個傲嬌？

　　姜傾雪撇了他一眼,，道：“繼續(xù),。”

　　蘇飛加快速度繼續(xù)說下去,，很快就到了結(jié)尾,，在最后他拋出了自己的想法,，闡述了他現(xiàn)在的瓶頸，并真誠地看著AI研究社里的各位大佬們,。

　　結(jié)果現(xiàn)場一片寂靜,，連姜傾雪都緊皺著眉頭，仿佛在思考,。

　　良久,，她才發(fā)聲：“有可能實現(xiàn)，但非常難,。我的思路是,，不要做加法，而是做減法,，或許大膽點去除CNN和RNN的信息提取層,，直接用詞向量作為單一信息源，效果會更好,?！?p>　　其他學(xué)員們也都面面相覷，改TagLM的結(jié)構(gòu),，這小學(xué)弟膽子是真大,，他們這群研二研三的都沒有膽子去實踐，主要怕浪費時間做無用功,。

　　有人提了個建議：“要不學(xué)弟,，你就做做TagLM的下游應(yīng)用，從單純的命名體識別拓展下,，其實也能有不錯的成果?！?p>　　蘇飛搖了搖頭,，說道：“因為一些原因，我必須改善TagLM的結(jié)構(gòu),?！?p>　　下游任務(wù)這種簡單的應(yīng)用的確能夠快速出成果，一般的水點的二區(qū)也能發(fā)上去,，但頂會就別想了,，AAAI就更想p吃。

　　倒是姜大小姐的建議給了他一點啟發(fā),，做減法的確是個之前沒想到的新思路,。

　　‘叮！目標(biāo)好感度+5,，目前好感度40,?！?p>　　‘叮！目前目標(biāo)好感度40,，達到朋友關(guān)系,，獲得2000積分，商城隨機商品位+1,，請宿主再接再厲,！’

　　‘叮！發(fā)布攻略任務(wù)：請宿主滿足姜傾雪的期待,，改善好模型并發(fā)表論文,。獎勵：精神力+1，1000積分,?！?p>　　蘇飛眼睛一亮，鉆石礦不愧是鉆石礦,，來這邊走一圈,，賺的簡直盆滿缽滿。

　　“咳,，學(xué)弟,，你在江大也沒幾天了，要不接下來幾天給我們社再講講深度學(xué)習(xí)里的數(shù)學(xué),？”一個男生渴望地看著蘇飛,。

　　蘇飛瞪大了眼睛，什么叫我在江大沒幾天了,？

　　姜傾雪咳了一聲,，說道：“顧行之今天有事來不了，這位同學(xué)是江大的,?！?p>　　蘇飛也打了個招呼：“各位學(xué)長學(xué)姐好，我叫蘇飛,，目前大四,。”

　　306頓時一靜,，每個人都眼睛瞪的鈴鐺一樣大,。

　　啥？,？

　　才大四,，本科生？

　　社長也是，這個蘇飛也是,，現(xiàn)在的本科生都這么猛了嗎,？！

　　隨即他們便有些頭皮發(fā)麻,，瞬間感覺自己這些研究生著實有些廢物啊,。