“为什么？”
“早定方向，就能早做人生规划，早一点有路线规划，就能早一点有自己的奋斗目标，而有了目标，或许前进的方向就不会出错吧！”
“很多人都说生不逢时，但其实，更多的是因为大家忘记了路在脚下，有时候要走一走，才能知道是不是逢时，尽管路一走，就很难回头，但这也说明早做规划是很有必要”。
“也是.....”。
佘淮的这番言论，对胡静怡还是产生了不小的冲击，因为她，说好听点，那是乖巧听话，说不好听，那便是她还没什么自己的想法。
当初选择如今的专业，其实还是受家里的影响比较大，因为她的父母有从事相关的教学工作，只不过不是在园里罢了。
而她从小接受的教育便是安心读书学习就好，后面有什么牵扯，都不需要她自己去考虑。
所以在听了佘淮的话后，胡静怡突然开始思考起自己的大学生活来，结果发现，好像是有些安逸了，而这，也就意味着没什么波澜。
算是平静度过了三年，如今也正忙着准备考研，至于保研，她可能有些排不上号。
无波无澜的三年，也意味着她与那些无风也起三尺浪的风云大学霸们，相差甚远，当然，她优秀还是优秀的，只是在这三万之众的园子里，优秀的人太多太多。
而佘淮，在胡静怡眼中，也是变得更加成熟稳重，当然，前面的相处中，她同样有这种感觉。
见气氛有些低沉，佘淮便赶紧转移话题。
“啊！吃饱了，要到水木散散步嘛？”
“好啊，正好消消食”。
边散步边闲聊了有半个小时，佘淮把胡静怡送回图书馆后，自己则是也返回了自习室。
这次他俩没在同一个地方自习，是因为胡静怡她跟好友们要研究学业上的东西，而佘淮也不想打扰，所以便各自分开。
学习模型的东西让谭平光他们负责交接着，所以他现在也没继续研究这个东西，但一篇相关的综述论文，他还是要写出来的。
毕竟前面的研究他们已经花了很多的精力，不可能因为把项目打包售出便不再管。
论文，是证明他们在这个东西上做了什么贡献的一个重要渠道，另外，这事在签约的时候，也是跟菊厂沟通过的，论文可以发，只不过只有一个综述。
并且内容也不是所有人都可以看的那种。
前几天已经下载了一大堆的文献，也看了很多相关的天书，选题工作进展不是太顺。
不过前面的积累，也算是为他提供了不少的思路，今天他准备一鼓作气，完成选题的工作，确定新论文的撰写方向。
前面发的那一篇论文，是智能应用软件相关的，涉及到学习模型的东西也就一两句话。
研究性论文的选题，听起来似乎很简单，但事实上，它真的也很简单，就是里面的内容合不合适，就不知道了。
很多人毕业论文选题也很高大尚，只不过越往后做，越做不下去罢了。
所以选题简单，并不意味着事情要做成很容易。
学习模型，是人工智能的核心技术，也是之前系统抽奖论文灵感获得的主要东西，虽然它的内容不多，用论文排版版式来算，也就两页纸的篇幅。
但却是最核心地概括了某个学习模型的相关知识和技术特点，不然佘淮也不会从研究应用转变为研究模型本身。
而和人工智能相关的各种公开研究论文，这两天下来，他就看了不下三十篇，其中七成都是英文版的，为此，他还熬了夜，最后也就还是一知半解的程度。
即便前面把计算机程序语言以及相关的书籍都啃了下来，可很多核心，太过专业的东西，对他这个门外汉来说依旧存在很大的难度。
果然，他虽然有了学习的能力，可和那些真正的天才，还是没办法直观对比。
要是系统给他刷出个触类旁通的技能就好了......
重新开始刷书的佘淮，叹了口气，如此想到。
论文写作，他如今的情况跟别的论文写作者是相反的，别人要先想idea，而他却是先有了idea，怎么提炼出一个合适的着手点。
问题的关键就在于他的选题了。
而佘淮的选题标准，也很简单，前面都已经发过一篇中文核心了，那下一篇肯定也得奔着核心去才行，这不是他狂妄盲目，仅仅是为了维持高标准罢了。
一个第一篇论文是核心，第二篇却是不入流的普刊的话，那么谁会相信前面那一篇是你自己的？
学术界的新星，还是什么学术流氓都好，佘淮并不在意，他只要证明自己很‘聪明、牛掰’就成。
当然，学术界论文灌水是正常不过的事，特别是理工科专业，比如数学，一道题就能发一片论文，一个有用的特殊新算法就可以是一篇有些含金量的论作。
马斯克曾经在接受媒体采访时说过：‘科学界百分之九十的学术论文都无法兑现价值’。
这种说法有失偏颇，不过也确实从侧面反映出了一些问题。
互联网信息、大数据、云计算，都是论文的重灾区，人工智能目前算不上很火，但也时常有新东西出来，就是内容有点老生常谈，明明摘要写得很有东西，可一看正文。
嗯，我看完了，就这样！
至于有没有收获，可能得分看的人是不是真的天才，能够灵光乍现。
出于多方面考虑，刷书刷到日落西山时，吃完饭回来，佘淮一番权衡之后，才是找到了一个合适的词。
想了想，他在空白文档上敲下第一个论文标题。
【基于跨模态深度学习模型的研究综述】
跨模态学习，就是在不同模态之间进行信息传递和理解的学习过程，比如视觉模态、听觉或触觉模态，加上深度两个字，无非就是说它比常规的跨模态学习要更强一些。
比如一个文本模态提取信息，然后这些信息理解或增强另一个图像模态的内容。
而模态，指的是不同类型的数据输入，如文本、图像、声音、视频等，跨模态的核心就在于探索和利用不同模态之间的相关性和互补性。
而佘淮他们研究的这个跨模态深度学习模型，可以使用文本执行图像检索，或用图像执行文本检索的能力。
当然，这是模型可以输出的结果，重要但不如模型的原始架构重要。
菊厂看上的智绘AI便是结果，而更想要的却是架构，因为它里面包含了图像编码器以及文本编码器，二者结合便成了图像和文本联合表示学习的模型。
完成了标题的编写，佘淮要做的还有编写论文摘要，以及对论文课题进行具体的描述与说明。
本章未完 点击下一页继续阅读