老教授翻看了一下附录部分，若有所思。他看著台上站得笔直的赵阳，有些感慨地说道：
    “还得是你们年轻人的脑子好用啊。换成是我做到这一步，看到误差项高估，第一反应绝对是觉得自己算错了，根本无法跳出这种传统的思维定式。很棒的年轻人！”
    “您过奖了。”
    赵阳微微一笑，平静地回应。
    接下来的四十分钟里。
    礼堂內彻底变成了数论答辩现场。
    提问的人不仅有燕大和清华的教授，还有那些被誉为天才的燕大拔尖班的本科生和研究生。
    问题越来越刁钻，切入的角度也千奇百怪。甚至有人试图用其他数论分支的工具，来攻击赵阳证明过程中的某些假设前提。
    但无论问题多么复杂，赵阳始终稳稳地站在讲台上。
    他的回答一针见血，绝不拖泥带水。
    在lv5数学等级和173智商的双重加持下，这些人的问题，在赵阳面前都是小菜一碟。
    在这场持续了两个多小时的报告和答疑中。
    赵阳用绝对的硬实力，向燕京学术圈的这群最聪明的大脑，毫无死角地证明了自己的天赋和才华。
    当最后一个提问的博士生心服口服地坐下后。
    礼堂內安静了几秒钟。
    隨后，坐在第一排正中央的王文渊院士带头站了起来，双手用力地鼓掌。
    紧接著，清华的系主任孙健、中科院的研究员，以及后排那三千多名学生，全部自发地站了起来。
    雷鸣般的掌声在大礼堂內轰然炸响，久久不息。
    这不是出於礼貌的客套，而是最纯粹的学术界同仁，对一位真理发现者发自內心的敬意。
    赵阳站在讲台上，看著台下黑压压的人群和如潮的掌声，微微点了点头，算作回应。
    隨后，他没有等待主持人上台做总结陈词，直接转身走下讲台。
    这场报告会后，关於他“不够谦虚”的质疑声，在燕京的顶尖高校圈子里彻底销声匿跡。
    绝对的实力面前，任何性格上的锋芒，都会被理所当然地视为天才特有的个性。
    在场不少教授和学生都激动地涌向前排，想要跟赵阳搭话，要个签名或者交流几句。
    但赵阳对此早有预料，他走下讲台后，立刻在几个安保人员的护送下，从大礼堂侧面的员工通道迅速离开。没办法，人太多了，他没有精力去应付这种无意义的学术社交。
    刚走出礼堂后门没多远。
    王文渊教授就气喘吁吁地从后面追了上来，很快找上了赵阳。
    “小赵！等一下！”
    王文渊快步走到赵阳身边，脸上带著抑制不住的兴奋，盛讚赵阳思维灵活，而且思路清晰。
    “你刚才在台上的反应速度，还有对整个数论体系的宏观把控能力，简直让人嘆为观止。尤其是解答清华老李关於weil界的那个问题，处理得太漂亮了！”
    赵阳谦虚回应了几句，隨后看了看时间，便跟王文渊教授提出辞行。
    “那行，你今天讲了两个多小时也累了，早点回去休息。燕大的公寓隨时可以去住。”王教授点头答应。
    赵阳离开了燕大，沿著清华东路，步行走回了燕京林业大学。
    回到学校的新公寓之后。
    赵阳脱下外套，走到书桌前打开了那台高配置的桌上型电脑。
    今天在燕大讲了两个小时的纯粹数学，他的大脑依然处於一种高度兴奋的活跃状態。
    他看了一会儿关於作业系统的英文原版专著，隨后登录海外代理，打开了美股交易软体。
    此时正好是美股盘前交易时段。
    赵阳开启了超凡心算状態，迅速接入纳斯达克的数据流。
    在半个小时的盘前交易中，他敏锐地捕捉到了两只科技股的定价偏差，利用五十万美金的短线帐户进行了三次快进快出的操作。
    赚取了大约八万美元的利润后，赵阳关闭了交易软体。
    而此时，另外一边。
    大洋彼岸。
    美国，加利福尼亚州，拉霍亚。
    这里是全球计算机科学领域的圣地之一。nips（神经信息处理系统大会，后改名为neurips）组委会的审稿办公室就设在这里。
    距离本届nips大会的截稿日期还有最后两天。
    大会的资深编辑兼审稿委员查理斯，正端著一杯美式咖啡，坐在电脑前。
    他的邮箱里每天都会塞满来自全球各大高校计算机系和顶尖科技公司的投稿邮件。
    查理斯如往常一样，按照收件顺序，机械地清理著邮箱里的稿件。
    “又是关於同步梯度下降参数优化的论文……缺乏底层创新，拒稿。”
    查理斯一边嘟囔著，一边快速扫过几篇论文的摘要，將其归入“拒稿候选项”的文件夹。在目前的硬体算力瓶颈下，大家都在现有的框架里打转，很难看到让人眼前一亮的突破。
    他点击滑鼠，打开了下一封未读邮件。
    发件人：yang zhao。
    查理斯对这个名字没有任何印象。在计算机科学和深度学习这个圈子里，这显然是一个完全陌生的新人。
    邮件正文极其简短，只有一句话：
    “解决异步隨机梯度下降中梯度陈旧问题的一种新框架。”
    查理斯看到这句话，眉头微微挑起。
    眼神之中闪过一丝好奇。
    “解决异步sgd的梯度陈旧问题？这倒是有些稀奇了！”
    异步sgd的梯度陈旧问题，是目前整个分布式深度学习领域公认的最大痛点。
    异步算法虽然能解决节点间的通信等待时间，但由於各节点计算速度不同，慢节点传回的“陈旧梯度”会严重破坏全局模型的收敛方向。无数顶尖实验室都在尝试解决，但从来没有实验室拿出来过相对完美的底层架构。
    这个投稿人，口气未免太大了些。
    而且这个投稿人，並不是什么知名人物——至少在计算机深度学习领域是这样的。
    本想直接划走，但稍稍迟疑了一下，抱著万一的態度，查理斯点开了邮件下方的pdf附件。
    论文標题：《一种用於超大规模神经网络训练的新型异步分布式框架》
    查理斯喝了一口咖啡，態度隨意的开始翻看论文的摘要和引言部分。
    一分钟后。
    他放下了手里的咖啡杯。
    十分钟后。
    查理斯的身体坐直了很多，表情严肃了很多，他的眼睛盯著论文中关於动態时间戳惩罚机制的推导公式，一动不动。
    “这种引入时间差作为衰减权重的数学模型……”
    查理斯滑动滑鼠滚轮。