從老趙那兒出來已經快十點了，蘇飛直接趕到了圖書館。
原本以為這個點，常用位置肯定被佔了，倒是沒想到他剛到那就有人把位置讓出來了。原來是昨天問他問題的那幾個同學讓人提前幫他佔好了位置。
蘇飛還感到不好意思，自己何德何能讓人家幫自己佔位置。
但這幾個同學的一句“大神，沒了你我們可怎麼活”又把蘇飛拉了回來，他心裡想著大不了多幫他們解解題，以此作為報答。
剛坐下的蘇飛撇了眼某個角落，發現姜大小姐果然回來了，看到這鑽石礦，蘇飛就倍感安心。
‘系統，使用基礎面板查閱卡。’
蘇飛默唸一聲，然後把視線移向姜大小姐的方向，姜傾雪的面板立刻就顯示出來。
姓名：姜傾雪
智力：25（遠超常人）
精神力：20（超越常人）
體質：8（高）
魅力：28（完美）
藝術天賦：13（超越常人）
蘇飛深吸一口氣，內心的震撼久久無法平靜下來。
五個屬性超過大半上了20，智力高達25，魅力更是到達了蘇飛從未曾見過的“完美”這一評級，您老就是這個世界的氣運之子？
蘇飛盯著姜傾雪的視線被周圍的同學們收入了眼底，八卦之火熊熊燃起，昨天的江大論壇可是席捲了小半個學校，他們這些人自然也是對這件事非常上心。
【新章節更新遲緩的問題，在能換源的app上終於有了解決之道，這裏下載 huanyuanapp.org 換源App, 同時查看本書在多個站點的最新章節。】
他們自認為與其他人不同，他們覺得自己等人是為數不多地察覺到大神的學神屬性，而姜大小姐也是學神，兩個學神之間的愛恨情仇，誰又不感興趣呢。
不過蘇飛很明顯沒打算滿足他們，被打擊到之後，他就掏出《牛津英漢詞典》開始無情刷單詞。
追上姜大小姐，從全國大學生英語競賽開始！
在下午的時候，蘇飛收到了老趙發來的英語競賽資料。
他簡單地查閱了下歷年考卷，題型倒是不複雜，就由主客觀題兩部分組成，客觀題佔了六十分，主觀題一篇作文佔二十分，翻譯題佔二十分，而客觀題全部是閱讀理解，這讓蘇飛略微松了口氣，畢竟聽力可不是短時間內能搞定的。
而客觀題的內容有點類似託福的考題，不考日常會話，而是考生物地理以及人文歷史等專業知識，這種考法對蘇飛異常有利，因為專業知識意味著單詞的積累決定勝負。
這次競賽對蘇飛比較有利，狂背單詞和作文，再刷刷題，估計就能拿個高分。
根據老趙的說法，下週週一就正式開考，滿打滿算還有一週，蘇飛估摸著好好複習半周就能拿個省一等獎，至於下一輪的國獎就不考慮了。
至於這周剩下的時間，完善好論文，衝頂會！
蘇飛沉迷英語一下午，而晚上的時間則留給了TagLM模型，他又重新把這篇論文從頭到尾精讀了一遍，順便把今年頂會最新出的論文也大致掃了一遍，在過目不忘和知識快解的加持下，在晚上閉館前，他把自己的論文想法大致勾勒了出來。
回到宿舍，蘇飛便開啟電腦，在word上敲敲打打。
【基於TagLM的深度上下文詞向量預訓練】
【摘要：TagLM提出的上下文詞向量預訓練豐富了詞向量的意義，不再使得單詞侷限於單個意思，將靜態詞向量化為了動態詞向量，大大簡化了自然語言領域的引數計算，然而TagLM仍然有不小的缺陷，其中的結構性缺陷增大了引數訓練的複雜度，而TagLM模型中的不同部分間簡單的拼接有可能會造成語義損失，因此本文提出一個更高效簡單的預訓練模型。】
【介紹：本文將TagLM三部分簡化為一部分的整體模型，抹除不同模型部分間拼接造成的誤差......】
這個題目是蘇飛這幾日晚上在床上常思考想到的，先前姜大小姐有問他對TagLM的看法，他提出的觀點都沒說到點子上，這幾日吃透了相關數學理論，而數學上的很多思想總是和機器學習以及深度學習掛鉤，蘇飛這才漸漸地看出了本質，再加上最近改善TagLM的論文效果並不顯著，蘇飛才萌生了這個想法。
原本蘇飛並不想做自然語言處理方向的論文，原因是自然語言處理總是被計算機視覺領域壓一頭，但TagLM是自然語言處理領域的論文，雖然在發表後其思想也被應用於其他領域，但蘇飛認為想要發一篇改善TagLM的頂會論文，必定要在它的領域打敗它，否則很可能不會被AAAI錄用。
至於模型的結構到底應該怎麼改？
額......
他的思想已經陷入了瓶頸，這也是他想要在明天去和AI研究社的大老們交流的原因。
如果明天的交流還是沒有什麼用，那就只能用一些非常規手段了。
去刷刷姜傾雪的好感度，順便看看能不能觸發一些任務，充實小金庫好去系統淘張靈感激發卡。
“阿飛，這麼晚了還不睡？”
鄭浩然起床上廁所，看到蘇飛還在電腦桌前，不免多問了句。
鄭浩然的聲音把蘇飛從沉思中拉了出來，一看時間，都已經深夜2：16了，於是輕聲地道歉：“抱歉，耗子，這幾天事情蠻多的，剛才敲文件的聲音吵到你了嗎？”
鄭浩然擔憂地看著蘇飛：“阿飛，是不是姜大小姐的事給你的打擊太大了？你這是在用學習麻痺自己呢？”
“你這不會在寫微博文桉，半夜網抑雲吧？”鄭浩然小心翼翼的靠過來，結果看到word文件上的一大串文字。
“基於TagLM的深度上下文詞向量預訓練？臥槽！！！”
鄭浩然的聲音越來越響，最後的臥槽兩個字甚至堪比周揚現場祖安。
床上的另外兩人被這聲音驚的翻了個身，木板床嘎吱搖晃。
蘇飛趕忙“噓”了一下，輕聲道：“就是個初步想法。”
鄭浩然一臉崇拜地看著蘇飛，TagLM，他也聽過這個模型的大名，畢竟提出了預訓練這種想法，紅極一時，然而當他開始嘗試閱讀，就很有自知之明地放棄了，得到的教訓就是，我這個機器學習都沒搞懂的小菜雞，深度學習果然碰不得。
然而再看看蘇飛這個舍友，人家已經開始著手改善TagLM了，這人和人之間的差距真是比人和豬之間的差距還大啊！