之前林灰搞得生成式摘要算法，无形之中调动世界上众多科研机构的忙碌不正说明这一情况么？

一个人的忙碌让一堆人不得不更忙碌同时付出更多。

这种现象用前世的话叫什么呢？

对，没错，就是“卷”。

前世计算机行业卷是常态。

以至于重生之后林灰也不自觉地将前世的一些习惯带了过来。

虽然只是无心之举吧，但好歹也是重生之人了。

重生者不当卷王，难道带头躺平么？

林灰迟早卷死这个时空所有的潜在敌对势力。

……

bj时间26号凌晨3点，林灰正在忙碌的时候。

在林灰背后追赶着林灰脚步的人也不少。

当然了，虽然追赶的人不少。

但迷路的不少，看到差距感到绝望的同样不少。

加利福尼亚此时刚好上午11点。

位于加利福尼亚的斯坦福大学校园内研究室里不少科研人员还在忙碌着。

不过也不是所有人都在忙碌。

摸鱼的也是存在的。

看着手表上的时间已经临近中午。

埃克来尔·基尔卡加博士已经做好到点下班的准备了。

干饭才是最重要的。

卷是不可能卷的，完全没必要。

关键是根本卷不过。

自从linhui搞得生成式文本摘要算法问世诞生之后。

埃克来尔·基尔卡加博士和他所在的团队最近会同普林斯顿大学数学系朱尔斯教授的团队一直在进行对该技术的跟进。

刚开始的时候整个团队还踌躇满志。

但很快就意兴阑珊。

最开始的时候之所以踌躇满志是因为埃克来尔·基尔卡加博士和他所在的团队发现了长短期神经网络这个方向。

埃克来尔·基尔卡加博士和他所在的团队一度以为这个方向是正确的研究方向。

了长短期神经网络这种神经网络相比普通的循环神经网路，在应用时对文本中间隙长度不敏感。

长短期记忆神经网络这一类别的神经网络在处理更长的序列中有不错的表现。

正是因为长短期记忆神经网络的特性跟linhui搞得生成式摘要算法中实际应用时所表现出的一些特性相吻合。

当时埃克来尔·基尔卡加博士和他所在的团队一度以为找到了正确的方向。

经过最近对linhui搞得算法跟踪研究后。

埃克来尔·基尔卡加博士和他所在的团队却发现虽然他们的猜测对了，但却也没完全对。

linhui搞得生成式文本摘要里面纵然用到了长短期记忆神经网络。

但也绝对不可能是十分肤浅的应用了最基础的长短期记忆神经网络。

linhui在算法中应用的大概率是一种依托于长短期记忆神经网络进行一定修饰后的更为特殊的神经网络。

虽然不清楚linhui具体是应用了什么类型的修饰。

但一定是修饰了的。

至于修饰了什么么就不好说了。

一个人藏起来的东西，一万人可能也找不到。