两人正说着往外走，就看到三个人一起走过来，都是华人面孔，就多注意了几眼。

　　王浩注意到其中一个地中海发型的人似乎是有些眼熟。

　　留着地中海发型的人也同时看过来，盯着王浩看了好半天，试探的喊了一声，“王浩？”

　　王浩指了下自己也走了过去，他有些不确定的说道，“您是……”

　　好半天还是没想起来。

　　“沙老师啊！”

　　“哦～～～”

　　王浩顿时恍然大悟，“沙老师！”他终于从记忆里找出了地中海发型的信息。

　　沙老师，名字叫沙勉之，是专业课《线性模型》的老师，只是教过十几节课，其他也没有接触，自然没多少印象。

　　沙勉之记住王浩也是在王浩留校之后，材料实验新闻有了个印象，知道是曾经的学生有些惋惜。

　　前一段时间，王浩还登上了网络热搜，一个多月发表十篇论文，被《新华日报》点名报道，东港的教职工好多人都在说。

　　沙勉之教过王浩也就多注意了一下，结果没想到会在马赛参加学术会议重新见到王浩。

　　身在异国，师生相见，自是感觉亲近了一些。

　　虽然王浩因为实验出问题被东港大学‘解聘’，但实际上，东港大学的普通教职工对王浩的事情，也只是听一下、谈上几句而已。

　　沙勉之介绍了同行的人，一个是研究的合作者，东港师范大学教授王明坤，王明坤比沙勉之年轻一些，四十左右的年纪，只是中年发福比较严重，看起来有些虚胖。

　　另一个则是沙勉之带着的博士生，名字叫徐杰，二十五岁。

　　沙勉之给徐杰做了重点介绍，明显是非常看好徐杰的潜力。

　　等几个人互相介绍完，沙勉之一行人去签了到，再回来就一起到会场四处看看，会场是在马赛一个著名公园内部，走出会场的环境也很不错。

　　边走、边看、边聊。

　　沙勉之说起王浩离开东港的事情，也替他喊上几句不平，“这事，也没法说。但我觉得，学校直接解聘就不对。哪怕是实验数据出错，其他人呢？这种问题，肯定不是你一个人的责任。”

　　“唉～～”沙勉之说着也叹了口气。

　　类似的事情其他人也只能是说说，解聘王浩是学校领导层的决定，有什么办法？

　　“都过去了，不提了。”

　　王浩不在意的摆摆手，也问起了沙勉之一行人的来意。

　　“作报告啊！”

　　沙勉之谈到这个也精神了，“我们今年年初的成果，有关io的研究，投稿a＋会议完全没有问题，但是我们就看准了stacs。”

　　王明坤也颇为振奋的说道，“这次我们准备拿个最佳论文奖回去！”

　　“额～～”

　　王浩问道，“沙老师，stacs就只会评选一篇最佳吧？”

　　“对，这才有意义！”沙勉之肯定的点头。

　　王浩犹豫了一下，笑道，“那这次，我们可就是竞争对手了！”

　　第五十一章 我当然会为我的话负责

　　沙勉之知道王浩也要做报告，还说和自己成为竞争对手，顿时感到有一点紧张。

　　他曾经是王浩的老师，但王浩早就不是‘印象不深’的本科生了，能在东港大学上研究生、博士的人，都可以称得上是精英人才，能留校东港大学的博士生，更可以说是‘精英中的精英’。

　　哪怕是手下最看好的博士，带过来参加stacs会议的徐杰，也不敢说能百分百留校东港大学。

　　东港大学，人才太多了！

　　王浩还属于非常优秀的那一种，不谈材料实验室的问题，他离开东港没过几个月，就完成了好多篇sci，有几篇算法论文都是在核心期刊发表的，其中‘傅里叶变换构建数学模型’的论文，在互联网行业产生了不小的影响，可以促进大数据分析变得更快捷、精准。

　　这个成果可以说是顶尖的了。

　　但是，也正因为前一段时间的舆论，沙勉之知道王浩刚完成了几项研究，最初见到王浩根本没想过他是来做报告的，只是觉得像是其他学者一样，来stacs会议只是为了涨见识、学习，反倒和他一起的阮海龙，更像是来做报告的。

　　等和王浩、阮海龙分开以后，沙勉之一行人重新去了会议厅，到电子栏找了一下王浩的报告。

　　“在最后，二厅，下午第一场。”王明坤快速浏览了一下，就找到了王浩的报告。

　　“大数相乘算法？”

　　王明坤思考着说道，“他才刚完成傅里叶算法相关的研究，估计就是个改善算法吧。”

　　他估计着，“小成果，运气不错，过稿了！”

　　“应该是这样。”沙勉之思考着点了点头，才刚完成一项重大研究，正常来说，不太可能快速完成另一项，大数相乘算法是个焦点问题，但几十年都没有突破进展，而对于算法的改善，提升特定情况下的效率，就只能归在‘小研究’行列中。

　　“王浩，估计就是开个玩笑吧！”沙勉之顿时笑着摇了摇头。

　　旁边的徐杰忽然开口问道，“沙老师，王浩不是数学博士吗？他怎么来参加计算机会议？”

　　沙勉之还没有说话，王明坤则笑道，“小徐啊，你要是想在计算机的基础研究方向走的更远，必须要学好数学，最好是能学个精深。”

　　“数学，是计算机的基础，不管是什么算法，基础都是数学。”

　　“如果你的数学好，计算机研究有成果很容易，反过来说，你只是计算机好，了解的多、能用出来，只能当个程序员，没有办法从事理论、算法的研究。”

　　沙勉之也笑道，“多听听王老师说的，所以我才让你多看数学。”

　　徐杰了然的点头。

　　当想到王浩的时候，不由得有些羡慕，对方比自己还小一岁，却已经完成有影响力的研究，并且能在顶级会议做报告，能和沙勉之、王明坤平等对话。

　　而他，还只是个跟着导师的博士生。

　　……

　　第二天，会议正式开始。

　　王浩和阮海龙来的都很早，会场没有特别安排座位，他们也没有做得太靠前，只是在中间找了位置。

　　过了没多久时间，沙勉之三人也到了，就直接走过来并排坐下。

　　上午报告都是在一号会议厅进行的，轮到一些‘不被看好’的报告，才会在两个会议厅一起进行。

　　等到了开幕时间后，会议组织方、主席，以及几个委员评审相继入场，随后主席上台说了一大堆话，可以简单总结就是‘会议正式开始’。

　　stacs会议开幕并没有那么复杂，只是主席说了几句话，对去年的会议进行总结，然后说一下今年的会议安排，接下来就宣布报告会正式开始。

　　第一个上场的是个年轻教授，大概只有三十岁左右，来自巴黎综合理工大学。

　　法国举办的会议肯定照顾下‘自己人’。

　　用一个‘不怎么重大却挑不出错’的研究，作为开场白让会议正式进入正轨，也是个非常适合的选择。

　　年轻教授说了个对于‘在线算法－正则化双重平均算法’的研究，内容听起来有点意思，但只是研究有了一点小进展，很难吸引在场学者的眼球。

　　二十分钟，报告结束。

　　会场里有些人礼貌的鼓掌，但多数掌声都来自前排，来自会议的举办方、评审、特邀专家，后排的学者们连象征性鼓掌都没有。

　　他们对于‘不感兴趣’、‘没多大意义’的研究，不大喊一声‘下去’、‘下去’，都已经很有礼貌了。

　　这就是真实的学术会议。

　　有实力才能赢得掌声，没实力就干脆别上去，学者们可不懂‘虚情假意的客套’。

　　王浩对于第一个报告也听了几耳朵，发现对自己没什么帮助，而且研发进展也很小，没有比较出彩的地方，就和其他人一样，也没什么兴趣了。

　　等到了第二个报告的时候，他就非常专注的耐心听了，甚至还用了一个‘教学币’。

　　其他人也同样很认真的听。

　　第一个报告等同于‘做个开场’，第二个报告、第三个报告则都是比较重要的，是会场评审方认为是有‘重大意义’的研究。

　　好多不需要作报告的学者，来参加会议的目的，也是听取有重大意义的研究，专业性的顶级会议，也是涨见识、学东西的地方，新的研究方向、新的内容，可以让学者们知道其他人在研究什么，是怎么样完成的研究，就能够开拓思考，找到与自己研发有关的灵感和方向。

　　王浩最看重三个报告，今天的第二场、第三场，还有明天上午第三场，也就是沙勉之和王明坤一起的研究。

　　现在进行的第二场，是一个牛津大学教授做的研究，是对于梯度下降算法计算复杂度的理论研究。

　　这是非常罕见的。

　　在应用研究的很多方面都依赖于一种名为‘梯度下降’的算法，是一个求解某个数学函数最大/最小值的过程，从计算产品的最佳生产方式，到工人轮班的最佳安排方法，‘梯度下降’算法都能派上用场。

　　但是相对于多方向的应用来说，相关理论研究却稀少的可怜。

　　这位作报告的牛津大学教授，从‘梯度下降算法在许多常见问题上效果不佳’，以及‘梯度下降的很多工作都没有涉及复杂性理论’两个方向，以数学计算机的方式，研究各类情况问题中的交集问题，从而对于梯度下降算法进行了理论论证。

　　王浩听得津津有味，论证中清晰的逻辑剖析，让他感觉对于逻辑论证的把握都更清晰了。

　　另一个反应就是――

　　【任务二，灵感值＋1。】

　　听取了全程的报告，直接带来了‘任务二’一点灵感值收获，明显收获是很巨大的。

　　虽然只有一点灵感值，但要知道，‘任务二’是破解上帝之数，难度是a级别的，只是增加一点灵感值，也许会是很重要的提升。

　　牛津大学教授的报告获得了一致赞叹，完成的时候收获了一致的掌声。

　　沙勉之坐在了王浩的旁边，忍不住感叹道，“看来，想拿个最佳不容易啊！”他对自己的研究有信心，但要说压制刚才的报告可不好说，还是要看会议评审组的看法。

　　下面就是第三场。

　　会议第一天的第二场、第三场都可以说是压轴，有了刚才的精彩报告，好多人也期待其了第三场，上场的是来自芬兰赫尔辛基大学的西弥斯－戈尔利克斯，以及他的同事阿尔马洛夫。

　　报告的名称则是‘快速而准确的最小均方求解’，内容是对于最小均方算法，也就是lms算法的改进。

　　西弥斯－戈尔利克斯上台以后，就骄傲的宣布，“我们找到了一种最为快速、最为准确的最小均方求解方法，这种方法可以让计算复杂度降低两个数量级以上，并且不会损失精度和改善的数值稳定性。”

　　这句话说出来立刻引起会场一片哗然。

　　最小均方求解是许多机器学习算法的核心，能够让计算复杂度降低两个以上数量级，可不是开玩笑的，那已经不是改善，而是‘跨越式的进步’。

　　比如，计算一个问题需要一亿次运算，下降两个数量级就变成了一百万次。

　　这显然是质的飞跃。

　　西弥斯－戈尔利克斯开始认真讲解说起来，他的同事阿尔马洛夫则在旁边做补充讲解，他们提出了一个非常新颖的分治法，然后用离散傅里叶变换算法，充当整体构架的‘掌舵’。