第159章 论文发布

如遇到章节错误，请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，稍后尝试刷新。

第159章 论文发布

就在平平无奇的某一天，《破壁论坛》创刊號，封面震撼发布。

作为aetos联盟发布的论文集，论文质量高不高暂且不谈，但是热度这块，肯定不会低，关注的人自然也不少。

纯黑的封面背景下，是一个散发著幽蓝色微光的神经网络结构图，封面正中央，写著这样一句话—apathway towardsagl—scale intelligence。

使用英文只是为了方便外国人阅读，事实上，论文的原始稿件全部都是中文版本。

而ndn也被发布在了这上面，作者並不是一个人，而是整个aetos联合实验室。

很快，ndn就掀起了轩然大波，所造成的影响比当时的《attentionisall

you need》更甚。

燕京大学，智能计算实验室，凌晨三点。

不得不说，包括周昀在內的科研人员总有一个习惯，老是喜欢半夜三更发论文。

林凡，燕京大学智能计算实验室的博士后，方向是纯ai算法，平时打交道最多的就是transformer架构，他的博士论文、他正在进行的几个重点项目，无一例外，基本都是基於trans

former架构之上。

桌边，一杯冷掉的咖啡旁，散落著几篇试图在transformer基础上做一些轻微改进的论文草稿。

就在他揉著发胀的太阳穴，准备再次编译代码时，一个偶然弹出的学术社区推送吸引了他的目光——《破壁论坛》？

怎么感觉好像在哪里听到过这个名字？

但是具体的他也想不起来了，嘟囔了几句，顺手点开了推送，毕竟科研也得劳逸结合，放鬆放鬆脑子，说不定会有新的思路。

“apathwaytowardsagl—scale intelligence？”他轻声念出副標题，嘴角下意识地撇了撇，“又一个標题党。”

毕竟agi这个词，在学术界都快被用滥了，在最近几年，新出现的架构其实並不算少，而且每一个都號称超越了transformer，结果经过试验之后，很大一部分都是徒有其表，唯一一个还有点看头的就是mamba架构，但也称不上顛覆transformer。

不过他还是决定看一看，他点开了pdf。

“aetos联合实验室？原来是这个实验室！”作为国內热度一直不小的aetos

联盟，现在在整个计算机圈子里，基本就没有不认识的了，他们实验室有的项目还是用的aetos提供的方案做的，当他看到作者名字的时候，下意识提起了几分兴趣。

目光扫过摘要，看到“动態神经元”、“自发功能集群”、“摒弃固定层级”这些字眼时，眉头微微皱起。

引言部分匆匆扫了一眼，基本还是那些，他几乎都能背的出来，无非就是现有的各种架构的缺陷，这已经是一种写作套路了。

接下来的方法部分才是重头戏。

十分钟后，他的眼神逐渐专注，半小时后，他冲好了第二杯咖啡，但一口没喝，眼睛死死盯著屏幕上的数学推导和架构图，一小时后，他咬著笔尖，思考著论文中的数学公式。

笔尖在草稿纸上无意识地划拉著，在他的认知里，神经元就是加权求和、激活函数，是確定性的、可微的、为了反向传播而存在的组件，而ndn描述的却完全不是这样。

他本能地想否定，但那些用精確的数学语言定义了“动態神经元”的內部状態空间、模式选择函数以及参数微调机制告诉他，就是这样的！

他尝试沿著作者的思路进行推导，惊愕地发现，这套看似离经叛道的框架，在数学逻辑上竟然是自洽的！甚至————有一种异样的美感？

“这不可能————”他喃喃自语，这篇论文里的理论完全顛覆了他对神经网络底层运作方式的认知！

但是根据论文的逻辑，这些看似顛覆常识的方法却又符合数学逻辑。

而且当他看到实验部分，一条条碾压基准线、甚至呈现几何级数差距的曲线映入眼帘时，他只有一个感觉—要变天了！

数据不会说谎，除非他学术造假，但是这样一个大型实验室，完全没必要吧？

“难道我们一直走在一条次要的路径上？”

对於把大多数精力都放在transformer架构身上的他来说，打击无疑是巨大的o

他在椅子上，目光失焦地望著屏幕，过去几年里，他熬夜推导的公式、调试的模型、撰写的论文，那些曾经让他充满成就感的成果，此刻在ndn面前，仿佛都是无用功。

就好像你修炼了一百年，终於要飞升的时候，有人告诉你，你修炼错了，你这样是飞升不了的，而他还没什么理由反驳。

简单来说，他有点道心破碎了。

不过，並不只有他一个人有这种感觉，几乎全球所有的学者，都是差不多的感觉。

麻省理工学院，某顶尖ai实验室。

一位刚刚凭藉transformer架构改进获得顶会最佳论文奖的博士生，正志得意满地准备將成果开源，他顺手点开了导师转发来的ndn论文连结。

半小时后，他脸上的笑容彻底消失，取而代之的是一种茫然，他环顾实验室里掛满的白板，上面密密麻麻都是注意力机制的变体和优化公式，曾经这些都是他的骄傲，但是现在，似乎变的没什么意义了。

硅谷，某研究院。

一场原定討论下一代千亿参数模型架构的早间会议，彻底跑题，巨大的投影屏上展示著ndn的性能曲线图，会议室里鸦雀无声。

一位资深首席科学家猛地將手中的雷射笔摔在桌上，发出“啪”的一声脆响，打破了沉默。

“f**k！我们投入几十亿美金，几千个gpu年，就为了在一条次要道路上比別人快上百分之零点几？现在呢！”

欧洲，某大学城的咖啡馆。

一位年轻的助理教授和他的博士生相对而坐，笔记本屏幕上同样是那篇论文，博士生声音颤抖：“教授，我明年就要毕业了，我的毕业论文全是基於transformer的扩展————"

助理教授苦笑著摇了摇头，拍了拍学生的肩膀，想说些安慰的话，却发现自己词穷，他自己的tenure（终身教职）申请材料里，transformer相关的工作也是重中之重，但是现在，隨著ndn的提出，恐怕都要作为无用功了。

从顶尖学府到工业界巨头，从功成名就的学者到踌躇满志的青年研究员，同样的迷茫开始在全球ai圈蔓延。

对他们来说，ndn的提出，无异於是天塌了。