第十二章 埋头苦追
从老赵那儿出来已经快十点了，苏飞直接赶到了图书馆。
原本以为这个点，常用位置肯定被占了，倒是没想到他刚到那就有人把位置让出来了。原来是昨天问他问题的那几个同学让人提前帮他占好了位置。
苏飞还感到不好意思，自己何德何能让人家帮自己占位置。
但这几个同学的一句“大神，没了你我们可怎么活”又把苏飞拉了回来，他心里想着大不了多帮他们解解题，以此作为报答。
刚坐下的苏飞撇了眼某个角落，发现姜大小姐果然回来了，看到这钻石矿，苏飞就倍感安心。
‘系统，使用基础面板查阅卡。’
苏飞默念一声，然后把视线移向姜大小姐的方向，姜倾雪的面板立刻就显示出来。
姓名：姜倾雪
智力：25（远超常人）
精神力：20（超越常人）
体质：8（高）
魅力：28（完美）
艺术天赋：13（超越常人）
苏飞深吸一口气，内心的震撼久久无法平静下来。
五个属性超过大半上了20，智力高达25，魅力更是到达了苏飞从未曾见过的“完美”这一评级，您老就是这个世界的气运之子？
苏飞盯着姜倾雪的视线被周围的同学们收入了眼底，八卦之火熊熊燃起，昨天的江大论坛可是席卷了小半个学校，他们这些人自然也是对这件事非常上心。
他们自认为与其他人不同，他们觉得自己等人是为数不多地察觉到大神的学神属性，而姜大小姐也是学神，两个学神之间的爱恨情仇，谁又不感兴趣呢。
不过苏飞很明显没打算满足他们，被打击到之后，他就掏出《牛津英汉词典》开始无情刷单词。
追上姜大小姐，从全国大学生英语竞赛开始！
在下午的时候，苏飞收到了老赵发来的英语竞赛资料。
他简单地查阅了下历年考卷，题型倒是不复杂，就由主客观题两部分组成，客观题占了六十分，主观题一篇作文占二十分，翻译题占二十分，而客观题全部是阅读理解，这让苏飞略微松了口气，毕竟听力可不是短时间内能搞定的。
而客观题的内容有点类似托福的考题，不考日常会话，而是考生物地理以及人文历史等专业知识，这种考法对苏飞异常有利，因为专业知识意味着单词的积累决定胜负。
这次竞赛对苏飞比较有利，狂背单词和作文，再刷刷题，估计就能拿个高分。
根据老赵的说法，下周周一就正式开考，满打满算还有一周，苏飞估摸着好好复习半周就能拿个省一等奖，至于下一轮的国奖就不考虑了。
至于这周剩下的时间，完善好论文，冲顶会！
苏飞沉迷英语一下午，而晚上的时间则留给了TagLM模型，他又重新把这篇论文从头到尾精读了一遍，顺便把今年顶会最新出的论文也大致扫了一遍，在过目不忘和知识快解的加持下，在晚上闭馆前，他把自己的论文想法大致勾勒了出来。
回到宿舍，苏飞便打开电脑，在word上敲敲打打。
【基于TagLM的深度上下文词向量预训练】
【摘要：TagLM提出的上下文词向量预训练丰富了词向量的意义，不再使得单词局限于单个意思，将静态词向量化为了动态词向量，大大简化了自然语言领域的参数计算，然而TagLM仍然有不小的缺陷，其中的结构性缺陷增大了参数训练的复杂度，而TagLM模型中的不同部分间简单的拼接有可能会造成语义损失，因此本文提出一个更高效简单的预训练模型。】
【介绍：本文将TagLM三部分简化为一部分的整体模型，抹除不同模型部分间拼接造成的误差......】
这个题目是苏飞这几日晚上在床上常思考想到的，先前姜大小姐有问他对TagLM的看法，他提出的观点都没说到点子上，这几日吃透了相关数学理论，而数学上的很多思想总是和机器学习以及深度学习挂钩，苏飞这才渐渐地看出了本质，再加上最近改善TagLM的论文效果并不显著，苏飞才萌生了这个想法。
原本苏飞并不想做自然语言处理方向的论文，原因是自然语言处理总是被计算机视觉领域压一头，但TagLM是自然语言处理领域的论文，虽然在发表后其思想也被应用于其他领域，但苏飞认为想要发一篇改善TagLM的顶会论文，必定要在它的领域打败它，否则很可能不会被AAAI录用。
至于模型的结构到底应该怎么改？
额
他的思想已经陷入了瓶颈，这也是他想要在明天去和AI研究社的大佬们交流的原因。
如果明天的交流还是没有什么用，那就只能用一些非常规手段了。
去刷刷姜倾雪的好感度，顺便看看能不能触发一些任务，充实小金库好去系统淘张灵感激发卡。
“阿飞，这么晚了还不睡？”
郑浩然起床上厕所，看到苏飞还在电脑桌前，不免多问了句。
郑浩然的声音把苏飞从沉思中拉了出来，一看时间，都已经深夜2：16了，于是轻声地道歉：“抱歉，耗子，这几天事情蛮多的，刚才敲文档的声音吵到你了吗？”
郑浩然担忧地看着苏飞：“阿飞，是不是姜大小姐的事给你的打击太大了？你这是在用学习麻痹自己呢？”
“你这不会在写微博文案，半夜网抑云吧？”郑浩然小心翼翼的靠过来，结果看到word文档上的一大串文字。
“基于TagLM的深度上下文词向量预训练？卧槽！！！”
郑浩然的声音越来越响，最后的卧槽两个字甚至堪比周扬现场祖安。
床上的另外两人被这声音惊的翻了个身，木板床嘎吱摇晃。
苏飞赶忙“嘘”了一下，轻声道：“就是个初步想法。”
郑浩然一脸崇拜地看着苏飞，TagLM，他也听过这个模型的大名，毕竟提出了预训练这种想法，红极一时，然而当他开始尝试阅读，就很有自知之明地放弃了，得到的教训就是，我这个机器学习都没搞懂的小菜鸡，深度学习果然碰不得。
然而再看看苏飞这个舍友，人家已经开始着手改善TagLM了，这人和人之间的差距真是比人和猪之间的差距还大啊！
请收藏本站：https://www.81cnw.com。八一中文网手机版：https://m.81cnw.com
原本以为这个点，常用位置肯定被占了，倒是没想到他刚到那就有人把位置让出来了。原来是昨天问他问题的那几个同学让人提前帮他占好了位置。
苏飞还感到不好意思，自己何德何能让人家帮自己占位置。
但这几个同学的一句“大神，没了你我们可怎么活”又把苏飞拉了回来，他心里想着大不了多帮他们解解题，以此作为报答。
刚坐下的苏飞撇了眼某个角落，发现姜大小姐果然回来了，看到这钻石矿，苏飞就倍感安心。
‘系统，使用基础面板查阅卡。’
苏飞默念一声，然后把视线移向姜大小姐的方向，姜倾雪的面板立刻就显示出来。
姓名：姜倾雪
智力：25（远超常人）
精神力：20（超越常人）
体质：8（高）
魅力：28（完美）
艺术天赋：13（超越常人）
苏飞深吸一口气，内心的震撼久久无法平静下来。
五个属性超过大半上了20，智力高达25，魅力更是到达了苏飞从未曾见过的“完美”这一评级，您老就是这个世界的气运之子？
苏飞盯着姜倾雪的视线被周围的同学们收入了眼底，八卦之火熊熊燃起，昨天的江大论坛可是席卷了小半个学校，他们这些人自然也是对这件事非常上心。
他们自认为与其他人不同，他们觉得自己等人是为数不多地察觉到大神的学神属性，而姜大小姐也是学神，两个学神之间的爱恨情仇，谁又不感兴趣呢。
不过苏飞很明显没打算满足他们，被打击到之后，他就掏出《牛津英汉词典》开始无情刷单词。
追上姜大小姐，从全国大学生英语竞赛开始！
在下午的时候，苏飞收到了老赵发来的英语竞赛资料。
他简单地查阅了下历年考卷，题型倒是不复杂，就由主客观题两部分组成，客观题占了六十分，主观题一篇作文占二十分，翻译题占二十分，而客观题全部是阅读理解，这让苏飞略微松了口气，毕竟听力可不是短时间内能搞定的。
而客观题的内容有点类似托福的考题，不考日常会话，而是考生物地理以及人文历史等专业知识，这种考法对苏飞异常有利，因为专业知识意味着单词的积累决定胜负。
这次竞赛对苏飞比较有利，狂背单词和作文，再刷刷题，估计就能拿个高分。
根据老赵的说法，下周周一就正式开考，满打满算还有一周，苏飞估摸着好好复习半周就能拿个省一等奖，至于下一轮的国奖就不考虑了。
至于这周剩下的时间，完善好论文，冲顶会！
苏飞沉迷英语一下午，而晚上的时间则留给了TagLM模型，他又重新把这篇论文从头到尾精读了一遍，顺便把今年顶会最新出的论文也大致扫了一遍，在过目不忘和知识快解的加持下，在晚上闭馆前，他把自己的论文想法大致勾勒了出来。
回到宿舍，苏飞便打开电脑，在word上敲敲打打。
【基于TagLM的深度上下文词向量预训练】
【摘要：TagLM提出的上下文词向量预训练丰富了词向量的意义，不再使得单词局限于单个意思，将静态词向量化为了动态词向量，大大简化了自然语言领域的参数计算，然而TagLM仍然有不小的缺陷，其中的结构性缺陷增大了参数训练的复杂度，而TagLM模型中的不同部分间简单的拼接有可能会造成语义损失，因此本文提出一个更高效简单的预训练模型。】
【介绍：本文将TagLM三部分简化为一部分的整体模型，抹除不同模型部分间拼接造成的误差......】
这个题目是苏飞这几日晚上在床上常思考想到的，先前姜大小姐有问他对TagLM的看法，他提出的观点都没说到点子上，这几日吃透了相关数学理论，而数学上的很多思想总是和机器学习以及深度学习挂钩，苏飞这才渐渐地看出了本质，再加上最近改善TagLM的论文效果并不显著，苏飞才萌生了这个想法。
原本苏飞并不想做自然语言处理方向的论文，原因是自然语言处理总是被计算机视觉领域压一头，但TagLM是自然语言处理领域的论文，虽然在发表后其思想也被应用于其他领域，但苏飞认为想要发一篇改善TagLM的顶会论文，必定要在它的领域打败它，否则很可能不会被AAAI录用。
至于模型的结构到底应该怎么改？
额
他的思想已经陷入了瓶颈，这也是他想要在明天去和AI研究社的大佬们交流的原因。
如果明天的交流还是没有什么用，那就只能用一些非常规手段了。
去刷刷姜倾雪的好感度，顺便看看能不能触发一些任务，充实小金库好去系统淘张灵感激发卡。
“阿飞，这么晚了还不睡？”
郑浩然起床上厕所，看到苏飞还在电脑桌前，不免多问了句。
郑浩然的声音把苏飞从沉思中拉了出来，一看时间，都已经深夜2：16了，于是轻声地道歉：“抱歉，耗子，这几天事情蛮多的，刚才敲文档的声音吵到你了吗？”
郑浩然担忧地看着苏飞：“阿飞，是不是姜大小姐的事给你的打击太大了？你这是在用学习麻痹自己呢？”
“你这不会在写微博文案，半夜网抑云吧？”郑浩然小心翼翼的靠过来，结果看到word文档上的一大串文字。
“基于TagLM的深度上下文词向量预训练？卧槽！！！”
郑浩然的声音越来越响，最后的卧槽两个字甚至堪比周扬现场祖安。
床上的另外两人被这声音惊的翻了个身，木板床嘎吱摇晃。
苏飞赶忙“嘘”了一下，轻声道：“就是个初步想法。”
郑浩然一脸崇拜地看着苏飞，TagLM，他也听过这个模型的大名，毕竟提出了预训练这种想法，红极一时，然而当他开始尝试阅读，就很有自知之明地放弃了，得到的教训就是，我这个机器学习都没搞懂的小菜鸡，深度学习果然碰不得。
然而再看看苏飞这个舍友，人家已经开始着手改善TagLM了，这人和人之间的差距真是比人和猪之间的差距还大啊！
请收藏本站：https://www.81cnw.com。八一中文网手机版：https://m.81cnw.com