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tag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u盤，裡邊有他昨天的構想，將資料投屏到306的螢幕上。<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。<的理解，大家可能都比較熟悉tag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。”<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。
<，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。<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，tag基於的迴圈式神經網路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。”<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tag，而且困擾著與之相關的fasttext和u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？”
<”，這才想起，這不是圖書館那日的......蘇飛？
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。
