虽然方博被那一夜速成的代码震得怀疑人生，但在徐辰眼里，屏幕上那个正在跑的demo，其实……
    很简陋。
    甚至可以说是“丑陋”。
    “demo虽然跑通了，证明了『逻辑嵌入』这条路是可行的。但是，”徐辰看著代码里那几行关於盒子体积的计算公式，眉头微微皱起，“这个数学模型，太粗糙了。”
    现在的模型，是用“超矩形”来表示概念。比如“猫”是一个小盒子，“动物”是一个大盒子。
    这种表示法虽然直观，但在数学上有一个致命的缺陷——梯度硬截断。
    当两个盒子完全没有交集时，体积重叠为0，梯度也瞬间变为0。这就意味著，反向传播在这里断掉了，神经网络学不到任何东西。为了解决这个问题，徐辰在代码里加了一个很丑的“平滑项”，但这只是权宜之计，治標不治本。
    “这就像是用一堆方块去拼一个圆，无论怎么拼，边缘永远是锯齿状的。”
    徐辰的数学强迫症犯了。
    “必须要优化。我需要一个更『光滑』的几何结构。”
    他的大脑飞速运转，lv.2的数学直觉开始接管键盘。
    “为什么非要用盒子呢？”
    【写到这里我希望读者记一下我们域名 101 看书网书库广，????????????.??????任你选 】
    “逻辑的本质是『偏序关係』。在向量空间里，能完美表达偏序关係的，不一定是闭合的盒子，也可以是……锥！”
    “或者，引入高斯分布，利用kl散度来衡量包含关係？”
    “不，高斯分布也不够好，它的尾部衰减太快，难以表达传递性。”
    徐辰在草稿纸上画了几个图形，最终，他的笔尖停在了一个特殊的流形结构上。
    gumbel-box（甘贝尔盒子）。
    “如果引入极值理论中的gumbel分布来对盒子的边界进行模糊化处理，就能让原本刚性的边界变得『柔软』且处处可导。”
    “这样一来，逻辑推理就不再是生硬的『是』或『否』，而是一个连续的概率流！”
    ……
    “不过，还有一个逻辑上的漏洞。”
    徐辰看著屏幕上新生成的gumbel-box模型代码，敏锐地捕捉到了一个潜在的问题。
    “如果我把逻辑边界变得『平滑』了，变成了一个连续的概率流，那这和传统的transformer有什么本质区別？transformer也是输出一个概率分布，预测下一个词是『猫』的概率是80%，是『狗』的概率是20%。”
    “如果我的模型也只是输出一个软绵绵的概率，那它依然可能会在那20%的时候胡说八道。”
    “必须要有一把锁。”
    徐辰的眼神变得犀利起来。
    他迅速在代码的输出层之前，插入了一个全新的模块——逻辑门控单元。
    “gumbel-box的平滑性，是为了在训练阶段让梯度能够流淌，让模型能『学会』逻辑。但在推理阶段，也就是真正上考场的时候，这个平滑的边界必须瞬间『硬化』。”
    他在草稿纸上画了一个陡峭的sigmoid函数。
    “我设定一个逻辑置信度閾值t（第十九个希腊字母，念做“套”）。当两个概念在几何空间里的重叠体积低於这个閾值时，说明它们在逻辑上几乎不相容，比如『猫』和『植物』。”
    “这时候，门控单元会像一把闸刀一样落下，直接將这个路径的概率强行截断为0！”
    “传统的llm是『我觉得应该这么说』，而加了门控的laart是『虽然我想这么说，但几何逻辑告诉我，这么说是错的，所以我闭嘴』。”
    “这才是完美的逻辑与生成的结合。”
    解决了这个关键的机制问题，徐辰终於满意地点了点头。
    ……
    搞定了数学模型的优化，摆在徐辰面前的，是另一个棘手的工程问题。
    benchmark（业內普遍直接用英语称呼，意思是基准测试）怎么选？
    做ai研究，光有模型没用，你得拉出来溜溜。你得在公开的测试中，把以前的模型，比如transformer、bert、gpt等给考倒了，別人才承认你牛逼。
    当年的transformer为了证明它比以前的rnn和lstm强，google团队选择了“英德机器翻译数据集”。
    这是一个非常经典的任务。评价標准是bleu分数，也就是看机器翻译出来的句子，和人类翻译的句子，在词汇重叠度上有多高。
    transformer在那场考试中，以28.4的bleu分数，刷新了世界纪录，从此一战成名。
    “但是。我的模型优势不在於『翻译』，也不在於『文本生成』的流畅度。”
    现在的gpt模型，靠著海量的语料堆砌，已经是天生的语言大师了。让laart去跟它们比谁写诗写得好，谁翻译得溜，那是拿自己的短处去碰別人的长处。
    laart的核心优势是什么？
    是逻辑。
    是永远不会说“猫是植物”，永远不会在做三段论推理时出现“a＞b， b＞c，所以a＜c”这种弱智错误的严谨性。
    “用翻译数据集测逻辑，就像是考爱因斯坦背单词，根本测不出智商。”
    “我需要一套专门考『逻辑推理』的卷子。”
    他在arxiv和github上飞速检索。
    很快，几个备选方案浮现在眼前。
    1. snli (stanford natural language inference)：斯坦福自然语言推理数据集。给两句话，判断它们是“蕴含”、“矛盾”还是“中立”。这是最经典的nli任务。
    2. squad (stanford question answering dataset)：阅读理解问答。这个稍好一点，但也侧重於信息提取。
    3. clutrr (compositional language understanding and text-based relational reasoning)：基於文本的关係推理。
    徐辰的目光最终锁定了最后一个数据集clutrr。
    ……
    clutrr这个数据集很有意思。它会给你一段像绕口令一样的故事：
    “爱丽丝的妈妈是鲍勃的姐姐，鲍勃的儿子是查理。”
    然后问你：“爱丽丝和查理是什么关係？”
    这不仅需要模型读懂文本，更需要在脑子里构建出一张“家谱图”，进行多次的逻辑推理，才能得出正確答案。
    对於传统的transformer模型来说，这是个噩梦。因为transformer本质上是在算“词与词之间的相关性”，它並没有真正的逻辑推理模块。它可能会因为“妈妈”、“姐姐”这些词出现的频率，瞎猜一个“姨妈”或者“奶奶”。
    但对於装载了“逻辑几何嵌入”的laart来说……
    这简直就是送分题！
    在徐辰的数学模型里，“妈妈”、“姐姐”、“儿子”这些关係，会被映射为向量空间里的几何变换算子。推导关係，不过就是做几次向量加法和包含运算而已。
    “就选它了！”
    徐辰打了个响指。
    ……
    徐辰心情大好，转过身准备拿水杯喝口水。
    然而，刚一回头，他就嚇了一哆嗦，杯子里的水差点洒出来。
    只见身后，方博、薛超、刘鑫羽三个人，不知何时已经站成了一排。三人双手抱胸，六只眼睛直勾勾、阴森森地盯著他
    空气安静得有些诡异。
    “呃……”徐辰端著水杯的手僵在半空，嘴角抽搐了一下，尷尬地笑了笑，“你们……怎么都站在这儿？这么閒？不用学习吗？”
    “学习？”
    方博冷笑一声，痛心疾首地指著徐辰。
    “徐神，你老实交代，你不在燕园那个独立公寓里待著，特意跑回咱们这又挤又乱的301，是不是就是为了回来装个逼？”
    “啊？”徐辰一脸无辜，“我不是为了找你修开发环境吗？”
    “修环境需要顺手修出一套人工智慧算法吗？！”方博悲愤地喊道，“你考虑过我们这些还在跟bug互啄的小萌新的感受吗？”
    一旁的薛超也长嘆了一口气，走过来拍了拍徐辰的肩膀：
    “老徐，真的，算兄弟求你了。以后这种装逼的活动，能不能去祸害別的宿舍？或者去图书馆、去食堂都行。”
    “別一直指著我们301这几个人装了，大家都是两个肩膀扛一个脑袋，你这样显得我们真的很像游戏里来凑数的npc，很伤自尊的好不好？”
    徐辰无奈地摇了摇头，忍不住笑骂道：“行了，別贫了。等我这个模型发了顶刊，请你们吃大餐，行了吧？”
    “顶刊？”方博耳朵一动，瞬间变脸，一脸諂媚地凑过来接过徐辰的水杯，“哎哟，徐神大气！那我要吃西门那家日料！最贵的那种！来来来，水凉了我给您续上！”
    “准了。”
    “得嘞！徐神您继续忙，小的绝不打扰您修仙！”