兩人正說著往外走，就看到三個人一起走過來，都是華人面孔，就多注意了幾眼。

    王浩注意到其中一個地中海發型的人似乎是有些眼熟。

    留著地中海發型的人也同時看過來，盯著王浩看了好半天，試探的喊了一聲，“王浩？”

    王浩指了下自己也走了過去，他有些不確定的說道，“您是……”

    好半天還是沒想起來。

    “沙老師??！”

    “哦～～～”

    王浩頓時恍然大悟，“沙老師！”他終于從記憶里找出了地中海發型的信息。

    沙老師，名字叫沙勉之，是專業課《線性模型》的老師，只是教過十幾節課，其他也沒有接觸，自然沒多少印象。

    沙勉之記住王浩也是在王浩留校之后，材料實驗新聞有了個印象，知道是曾經的學生有些惋惜。

    前一段時間，王浩還登上了網絡熱搜，一個多月發表十篇論文，被《新華日報》點名報道，東港的教職工好多人都在說。

    沙勉之教過王浩也就多注意了一下，結果沒想到會在馬賽參加學術會議重新見到王浩。

    身在異國，師生相見，自是感覺親近了一些。

    雖然王浩因為實驗出問題被東港大學‘解聘’，但實際上，東港大學的普通教職工對王浩的事情，也只是聽一下、談上幾句而已。

    沙勉之介紹了同行的人，一個是研究的合作者，東港師范大學教授王明坤，王明坤比沙勉之年輕一些，四十左右的年紀，只是中年發福比較嚴重，看起來有些虛胖。

    另一個則是沙勉之帶著的博士生，名字叫徐杰，二十五歲。

    沙勉之給徐杰做了重點介紹，明顯是非?？春眯旖艿臐摿?。

    等幾個人互相介紹完，沙勉之一行人去簽了到，再回來就一起到會場四處看看，會場是在馬賽一個著名公園內部，走出會場的環境也很不錯。

    邊走、邊看、邊聊。

    沙勉之說起王浩離開東港的事情，也替他喊上幾句不平，“這事，也沒法說。但我覺得，學校直接解聘就不對。哪怕是實驗數據出錯，其他人呢？這種問題，肯定不是你一個人的責任?！?/br>
    “唉～～”沙勉之說著也嘆了口氣。

    類似的事情其他人也只能是說說，解聘王浩是學校領導層的決定，有什么辦法？

    “都過去了，不提了?！?/br>
    王浩不在意的擺擺手，也問起了沙勉之一行人的來意。

    “作報告??！”

    沙勉之談到這個也精神了，“我們今年年初的成果，有關io的研究，投稿a＋會議完全沒有問題，但是我們就看準了stacs?！?/br>
    王明坤也頗為振奮的說道，“這次我們準備拿個最佳論文獎回去！”

    “額～～”

    王浩問道，“沙老師，stacs就只會評選一篇最佳吧？”

    “對，這才有意義！”沙勉之肯定的點頭。

    王浩猶豫了一下，笑道，“那這次，我們可就是競爭對手了！”

    第五十一章 我當然會為我的話負責

    沙勉之知道王浩也要做報告，還說和自己成為競爭對手，頓時感到有一點緊張。

    他曾經是王浩的老師，但王浩早就不是‘印象不深’的本科生了，能在東港大學上研究生、博士的人，都可以稱得上是精英人才，能留校東港大學的博士生，更可以說是‘精英中的精英’。

    哪怕是手下最看好的博士，帶過來參加stacs會議的徐杰，也不敢說能百分百留校東港大學。

    東港大學，人才太多了！

    王浩還屬于非常優秀的那一種，不談材料實驗室的問題，他離開東港沒過幾個月，就完成了好多篇sci，有幾篇算法論文都是在核心期刊發表的，其中‘傅里葉變換構建數學模型’的論文，在互聯網行業產生了不小的影響，可以促進大數據分析變得更快捷、精準。

    這個成果可以說是頂尖的了。

    但是，也正因為前一段時間的輿論，沙勉之知道王浩剛完成了幾項研究，最初見到王浩根本沒想過他是來做報告的，只是覺得像是其他學者一樣，來stacs會議只是為了漲見識、學習，反倒和他一起的阮海龍，更像是來做報告的。

    等和王浩、阮海龍分開以后，沙勉之一行人重新去了會議廳，到電子欄找了一下王浩的報告。

    “在最后，二廳，下午第一場?！蓖趺骼た焖贋g覽了一下，就找到了王浩的報告。

    “大數相乘算法？”

    王明坤思考著說道，“他才剛完成傅里葉算法相關的研究，估計就是個改善算法吧?！?/br>
    他估計著，“小成果，運氣不錯，過稿了！”

    “應該是這樣?！鄙趁阒伎贾c了點頭，才剛完成一項重大研究，正常來說，不太可能快速完成另一項，大數相乘算法是個焦點問題，但幾十年都沒有突破進展，而對于算法的改善，提升特定情況下的效率，就只能歸在‘小研究’行列中。

    “王浩，估計就是開個玩笑吧！”沙勉之頓時笑著搖了搖頭。

    旁邊的徐杰忽然開口問道，“沙老師，王浩不是數學博士嗎？他怎么來參加計算機會議？”

    沙勉之還沒有說話，王明坤則笑道，“小徐啊，你要是想在計算機的基礎研究方向走的更遠，必須要學好數學，最好是能學個精深?！?/br>
    “數學，是計算機的基礎，不管是什么算法，基礎都是數學?！?/br>
    “如果你的數學好，計算機研究有成果很容易，反過來說，你只是計算機好，了解的多、能用出來，只能當個程序員，沒有辦法從事理論、算法的研究?！?/br>
    沙勉之也笑道，“多聽聽王老師說的，所以我才讓你多看數學?！?/br>
    徐杰了然的點頭。

    當想到王浩的時候，不由得有些羨慕，對方比自己還小一歲，卻已經完成有影響力的研究，并且能在頂級會議做報告，能和沙勉之、王明坤平等對話。

    而他，還只是個跟著導師的博士生。

    ……

    第二天，會議正式開始。

    王浩和阮海龍來的都很早，會場沒有特別安排座位，他們也沒有做得太靠前，只是在中間找了位置。

    過了沒多久時間，沙勉之三人也到了，就直接走過來并排坐下。

    上午報告都是在一號會議廳進行的，輪到一些‘不被看好’的報告，才會在兩個會議廳一起進行。

    等到了開幕時間后，會議組織方、主席，以及幾個委員評審相繼入場，隨后主席上臺說了一大堆話，可以簡單總結就是‘會議正式開始’。

    stacs會議開幕并沒有那么復雜，只是主席說了幾句話，對去年的會議進行總結，然后說一下今年的會議安排，接下來就宣布報告會正式開始。

    第一個上場的是個年輕教授，大概只有三十歲左右，來自巴黎綜合理工大學。

    法國舉辦的會議肯定照顧下‘自己人’。

    用一個‘不怎么重大卻挑不出錯’的研究，作為開場白讓會議正式進入正軌，也是個非常適合的選擇。

    年輕教授說了個對于‘在線算法－正則化雙重平均算法’的研究，內容聽起來有點意思，但只是研究有了一點小進展，很難吸引在場學者的眼球。

    二十分鐘，報告結束。

    會場里有些人禮貌的鼓掌，但多數掌聲都來自前排，來自會議的舉辦方、評審、特邀專家，后排的學者們連象征性鼓掌都沒有。

    他們對于‘不感興趣’、‘沒多大意義’的研究，不大喊一聲‘下去’、‘下去’，都已經很有禮貌了。

    這就是真實的學術會議。

    有實力才能贏得掌聲，沒實力就干脆別上去，學者們可不懂‘虛情假意的客套’。

    王浩對于第一個報告也聽了幾耳朵，發現對自己沒什么幫助，而且研發進展也很小，沒有比較出彩的地方，就和其他人一樣，也沒什么興趣了。

    等到了第二個報告的時候，他就非常專注的耐心聽了，甚至還用了一個‘教學幣’。

    其他人也同樣很認真的聽。

    第一個報告等同于‘做個開場’，第二個報告、第三個報告則都是比較重要的，是會場評審方認為是有‘重大意義’的研究。

    好多不需要作報告的學者，來參加會議的目的，也是聽取有重大意義的研究，專業性的頂級會議，也是漲見識、學東西的地方，新的研究方向、新的內容，可以讓學者們知道其他人在研究什么，是怎么樣完成的研究，就能夠開拓思考，找到與自己研發有關的靈感和方向。

    王浩最看重三個報告，今天的第二場、第三場，還有明天上午第三場，也就是沙勉之和王明坤一起的研究。

    現在進行的第二場，是一個牛津大學教授做的研究，是對于梯度下降算法計算復雜度的理論研究。

    這是非常罕見的。

    在應用研究的很多方面都依賴于一種名為‘梯度下降’的算法，是一個求解某個數學函數最大/最小值的過程，從計算產品的最佳生產方式，到工人輪班的最佳安排方法，‘梯度下降’算法都能派上用場。

    但是相對于多方向的應用來說，相關理論研究卻稀少的可憐。

    這位作報告的牛津大學教授，從‘梯度下降算法在許多常見問題上效果不佳’，以及‘梯度下降的很多工作都沒有涉及復雜性理論’兩個方向，以數學計算機的方式，研究各類情況問題中的交集問題，從而對于梯度下降算法進行了理論論證。

    王浩聽得津津有味，論證中清晰的邏輯剖析，讓他感覺對于邏輯論證的把握都更清晰了。

    另一個反應就是——

    【任務二，靈感值＋1?！?/br>
    聽取了全程的報告，直接帶來了‘任務二’一點靈感值收獲，明顯收獲是很巨大的。

    雖然只有一點靈感值，但要知道，‘任務二’是破解上帝之數，難度是a級別的，只是增加一點靈感值，也許會是很重要的提升。

    牛津大學教授的報告獲得了一致贊嘆，完成的時候收獲了一致的掌聲。

    沙勉之坐在了王浩的旁邊，忍不住感嘆道，“看來，想拿個最佳不容易??！”他對自己的研究有信心，但要說壓制剛才的報告可不好說，還是要看會議評審組的看法。

    下面就是第三場。

    會議第一天的第二場、第三場都可以說是壓軸，有了剛才的精彩報告，好多人也期待其了第三場，上場的是來自芬蘭赫爾辛基大學的西彌斯－戈爾利克斯，以及他的同事阿爾馬洛夫。

    報告的名稱則是‘快速而準確的最小均方求解’，內容是對于最小均方算法，也就是lms算法的改進。

    西彌斯－戈爾利克斯上臺以后，就驕傲的宣布，“我們找到了一種最為快速、最為準確的最小均方求解方法，這種方法可以讓計算復雜度降低兩個數量級以上，并且不會損失精度和改善的數值穩定性?！?/br>
    這句話說出來立刻引起會場一片嘩然。

    最小均方求解是許多機器學習算法的核心，能夠讓計算復雜度降低兩個以上數量級，可不是開玩笑的，那已經不是改善，而是‘跨越式的進步’。

    比如，計算一個問題需要一億次運算，下降兩個數量級就變成了一百萬次。

    這顯然是質的飛躍。

    西彌斯－戈爾利克斯開始認真講解說起來，他的同事阿爾馬洛夫則在旁邊做補充講解，他們提出了一個非常新穎的分治法，然后用離散傅里葉變換算法，充當整體構架的‘掌舵’。