随着李东的身影离开办公室，龚校长这才叹了口气。

二十一岁呀，菲尔兹奖得主。

本事越大，外面盯着的眼睛就越多。

这回是出去开会，那下回呢？

还是要成家呀。

成了家人就有了牵挂，心也就定下来了。

可问题是……哪里去找学问上得聊得来，年纪相当，性子还得处得来呀。

“哎。”

他又叹了口气，这才拿起桌上的电话拨了出去。

……

韩国，首尔。

一辆黑色轿车，不紧不慢地朝着三成洞方向开去。

李东坐在後排，有些发呆，他是真没想到，自己在首尔还有专车。

老吴开着车，老张坐在副驾，从上车起就没有回过头，目光一直在观察着周围的情况。

李东闲着没事，用手指在车窗玻璃上敲了敲。

笃，笃。

声音发闷，一点都不像正常玻璃该有的脆响声。

李东还想问问老张这到底是啥玻璃，然而看见老张正目视前方，透着一股生人勿进的气场，他也就打消了问的想法。

此时车子拐过一个路口，一大片玻璃幕墙的建筑就出现在了眼前。

ex会展中心到了。

这会儿会展中心门前的落客道上，已经排起了长队。

清一色的高档轿车，缓缓往前蹭。

会展中心的外墙上，挂几幅两层楼高的条幅。

【il 2026】

【第四十三届国际机器学习大会】

李东隔着车窗看着外面的豪车，心里忍不住感叹了一句。

这都特麽是有钱人呀。

不过也正常，谁叫这几年ai是风口呢？这场大会来的可不只是学者，还有各家的vp以及风投。

当前沿技术和资本凑到一处，门口的车能不值钱吗。

车停稳以後，老张先一步下车，替李东拉开车门，随後跟在了李东的身後。

前面不远处几辆商务车也刚刚停下，水木大学的队伍也下车了。

李东朝着队伍走了过去。

这一次水木带队的，是唐杰教授。

他牵头做的那套千亿参数大模型底座早就过了b轮敲了锺，是各路资本的常客。

这样的盛会，他自然不会错过。

唐杰身後还跟着十来个水木的博士生、硕士生，一个个眼睛里都带着光。

这次他们来这种顶会，主要是有的人论文过了稿，来交作业的。

也有被选中做oral到时候要上台扛住peer review的炮火汇报工作的。

剩下的就是长见识的，然後在poster session（海报环节）看看能不能吸引来一些大佬指点几句。

当然这场大会本身就是一个高级人才市场，大厂展台上拿高薪hc收简历，向来比网申痛快得多。

所以这一队学生，从下车起就恨不马上进去。

唐杰回头交代了学生们几句，转过身来，先看了一眼李东身後的老张，然後才朝着李东笑道。

“李东教授。”

“唐教授。”李东也笑着点头问好然後才指了指那些豪车。

“这个大会，规格很高啊。”

“哈哈，因为有钱人多嘛。”

他说完这句话李东则是上下打量了下他那套价格不菲的西装

唐杰先是一怔，随即哈哈大笑，摆着手往大门里走。

“学校发的工资，学校发的工资。”

……

进了会场，李东才算真正见识了什麽叫顶会，i和这一比起来，确实显得有些小气了。

将近一万人的注册规模，几层楼的会场早就被人群塞满了。

而且海报厅都有记者在，因为有资本圈的大佬也在逛着这些展区。

而企业展区，各家的展台一个赛一个的气派大屏幕上滚着sota（当前最佳性能）级别的deo，穿文化衫的员工见人就递宣传册。

李东跟着水木的队伍听了一上午的报告。

不得不说，有几场是真让他开了眼界。

头一场主旨报告，是gpt那边的一位研究负责人讲的他们这两年悄悄押下重注的一条新路。

过去几年，圈子里卷的都是pre-trag（预训练）的规模。

而他们换了打法，把算力杠杆翘到了ference（推理）端。

简单的说就是给模型引入syste 2的慢思考机制，让它在吐出答案前先在隐空间里穷举推理树。

这样一步一步生成思维链（t），走入死胡同就触发回溯机制，直到把逻辑闭环彻底打通再输出结果。

而这种深层推理的泛化能力，根本没法靠人力标注去微调，完全是靠rl（强化学习）结合自博弈硬生生刷出来的。

专门挑选数学证明和代码生成这类具备明确客观真值（ground truth）的任务，模型推导对了就给高维奖励信号，错了就切断反向传播。

成千上万轮的ppo策略迭代下来，模型自己就涌现出了极为恐怖的试错与纠偏本能。

台上直接甩出了一张test-ti pute（测试时算力）的对数曲线。

同一套基座权重只要允许模型在推理阶段多消耗十倍的token进行内部演算，hard级别任务的准确率直接顺着曲线呈现指数级爬升。

报告还没讲完，台下已经是一片低低的议论声。

李东坐在水木的队伍中间，心里微微一动。

数学，恰恰就是这世上提供最优验证奖励反馈的终极数据集。

第二场的oral是来自普林斯顿和卡内基梅隆的一支联合团队，讲的是一种颠覆性的非transforr底层架构。

他们拿状态空间模型做线性递归，时间复杂度从平方砍到线性，百万token一口气吞下去，显存都不怎麽涨。

台下搞理论的当场就杠上了，两边谁也说服不了谁。

至於最後一场，gei那边一位研究员讲的是世界模型。

他们不喂文本，直接喂视频，逼模型自己学会物理。

练到最後，给模型一张图就能凭空生出一个三维世界。

一上午听下来，李东心里大致也有了数

国外这几家卡在scalg w最前沿的巨头，早就跳出了单纯堆积参数量和清洗语料的低效内卷区，一个个全在底层范式上变道。

比的不再是谁的万卡集群规模更大，而是谁先在架构和推理机制上完成破局。

这些学术直觉，确实敏锐到了极点。

反观国内，多数厂家还在旧的红海路线里跟进。

猛灌通用指令微调，卷参数规模，刷榜单的分数，卷b端落地商业化。

报告也多半集中在分布式训练的通信优化或者显存切分等工程trick上。

不过……

当然也是不是全，也有一些国内团队搞出了一些不一样的东西。

有两篇做长序列高效kv cache稀疏化的，还有一篇用大模型反向生成高质量合成数据做自我蒸馏的，思路一样惊艳，台下举手要论文源码的人一样很多。

更有意思的是开源基座这条路。

国外顶尖名校的博士生们如今跑消融实验，底层模型十有八九加载的都是华夏的开源权重，调用便宜，对齐做得好，魔改接口还很开放。

这一条生态护城河上，反倒是国内走在了前列。

……