第二日一早九點，蘇飛揹著書包就準時來到了計科306，讓他沒想到的是，306居然坐滿了人，而他一進去，閒聊的學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，怎麼還成焦點了，讓他有些緊張。
他沿著牆打算找個角落坐下，可屁股還沒落座呢，一旁的學員卻疑惑地問：“學弟，你坐下幹嘛？上去講課啊。”
蘇飛愕然：“我就是個聽課的啊？”
姜大小姐也沒說他要上去講啊？難道這是社團習俗？
“我們都是來聽你講課的啊。”那學員吃了一驚，心想這學弟不是被譽為機器學習領域的新星麼？怎麼感覺呆呆的。
“啊？”蘇飛環視一週，發現姜大小姐居然不在。
“快上去呀，大家都等著呢。”旁邊的另一個學員催促道。
“哦......哦，那行吧。”
望著齊刷刷看向自己的學長學姐們，他也有些自我懷疑，難道姜大小姐早就想到我會整理TagLM的相關知識並且提出一個新想法，所以讓我先大致講講我的構想？
他猶豫了片刻，說道：“我對機器學習和深度學習的理解其實比較淺薄，相較在座的各位，經驗非常不足，如果有什麼錯誤的地方還請多擔待。”
沒有他預想裡的鼓勵加油，眾人都一副冷漠的態度。
搞什麼，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鑽石礦，蘇飛還是不情不願地上臺。
蘇飛開啟書包，拿出準備好的隨身碟，裡邊有他昨天的構想，將資料投屏到306的螢幕上。
“基於TagLM的深度上下文詞向量預訓練？不是說要講講機器學習的核函式升維方法麼？怎麼突然改換深度學習了？而且還是自然語言處理？”
下面的一些學員頓時有些迷惑了，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，而是從數學系的角度去理解。”
“TagLM的主要貢獻其實就是預訓練，分三個步驟完成詞向量的預訓練，前兩個步驟的結果拼接起來放到第三個部分進行預測......”
聽著蘇飛的講課，眾人表情微變。
“這完全就是基礎課啊。”
“TagLM，我們社不是研究過好多遍了麼？”
“顧行之不是機器學習的麼？怎麼跳到深度學習了？”
“顧行之名不副實啊。”
蘇飛內心暗道果然，這些知識對於普通的本科生來說是超綱知識，但對於AI研究社的學長學姐來說，都只是基礎。
於是，他也不準備藏著掖著了，開始進入正題。
“上述所說的都是基於程式設計知識，對TagLM做的一個簡單的概括。那麼我接下來就用數學知識來闡述一下我的看法。我想大家也知道，TagLM基於的循環式神經網絡在數學上其實就是一個矩陣，用線性代數的角度去想，訓練的過程無非就是更新矩陣的引數罷了。”
“但是，為什麼TagLM的拼接操作會被人詬病，為什麼分成三部來訓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的FastText和ULM模型。我想，深度學習教科書上也不會解釋，因為大家都說深度學習是個黑盒，很難解釋原理。”
“但，僅針對這個問題，我從數學的角度理解，應當是......”
隨著蘇飛講解的深入，眾人一改之前的神色，他們發現，這小學弟還真有實力。
眾人紛紛開啟筆記本，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，正準備推門進來，卻發現有人在講課，頓時停下了動作。
“顧行之剛跟我說有事不來，怎麼還有人在講課？”
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？
【目前用下來，聽書聲音最全最好用的App，集成4大語音合成引擎，超100種音色，更是支持離線朗讀的換源神器，huanyuanapp.org 換源App】
姜傾雪出於禮貌，沒有立刻開門，而是在門口靜靜地聆聽了幾分鐘，聽著蘇飛從數學角度的講解。
‘叮！目標好感度+1，目前好感度22。’
‘叮！目標好感度+1，目前好感度23。’
...
‘叮！目標好感度+1，目前好感度30。’
系統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？
於是，他又環視了一週，發現在門口站著的那位冰山美人。
“學弟，繼續講啊，剛剛說的兩種模態差異的數學表示到底是什麼？”
“實在是太精闢了，真的沒想到，小學弟研究TagLM到了這種地步，我還從未見過有人能用數學把這個模型講的這麼清晰。”
“雖然涉及到的數學知識只有高等線代和高等數學，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構，忽略了基礎的數學理論，學弟你這堂課我們真是受益匪淺！”
“作為數學系的學生，在高等線代的理解上居然不如學弟，學弟牛哇！”
眾人發現蘇飛久久不語，於是順著他的視線看去。
“社長？！”
姜傾雪這才一臉冷澹地推門進來。
“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！”一旁的學員感嘆道。
蘇飛：“啥？”
什麼鬼，我成替身了？
姜傾雪澹澹地道：“講的不錯。”
‘叮！目標好感度+5，目前好感度35。’
蘇飛暗想：您老就是個傲嬌？
姜傾雪撇了他一眼，道：“繼續。”
蘇飛加快速度繼續說下去，很快就到了結尾，在最後他丟擲了自己的想法，闡述了他現在的瓶頸，並真誠地看著AI研究社裡的各位大老們。
結果現場一片寂靜，連姜傾雪都緊皺著眉頭，彷佛在思考。
良久，她才發聲：“有可能實現，但非常難。我的思路是，不要做加法，而是做減法，或許大膽點去除的信息提取層，直接用詞向量作為單一信息源，效果會更好。”
其他學員們也都面面相覷，改TagLM的結構，這小學弟膽子是真大，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：“要不學弟，你就做做TagLM的下游應用，從單純的命名體識別拓展下，其實也能有不錯的成果。”
蘇飛搖了搖頭，說道：“因為一些原因，我必須改善TagLM的結構。”
下游任務這種簡單的應用的確能夠快速出成果，一般的水點的二區也能發上去，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，做減法的確是個之前沒想到的新思路。
‘叮！目標好感度+5，目前好感度40。’
‘叮！目前目標好感度40，達到朋友關係，獲得2000積分，商城隨機商品位+1，請宿主再接再厲！’
‘叮！釋出攻略任務：請宿主滿足姜傾雪的期待，改善好模型並發表論文。獎勵：精神力+1，1000積分。’
蘇飛眼睛一亮，鑽石礦不愧是鑽石礦，來這邊走一圈，賺的簡直盆滿缽滿。
“咳，學弟，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習裡的數學？”一個男生渴望地看著蘇飛。
蘇飛瞪大了眼睛，什麼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，這位同學是江大的。”
蘇飛也打了個招呼：“各位學長學姐好，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，現在的本科生都這麼勐了嗎？！
隨即他們便有些頭皮發麻，瞬間感覺自己這些研究生著實有些廢物啊。