簡書小說

第6章 今天的面試就先到這里，幾位回去等通知吧（第2頁）

但是光憑前面這些，就能看出來他在ai方面的功底不差，論文估計也沒少看，不然就鄧老師問的

今天的面試就先到這里，幾位回去等通知吧

“ai調教ai？聽上去確實挺有意思的，但是想要實現起來恐怕不是那么容易的吧？”

“沒錯，復雜的

ai驅動的決策過程本就是一個“黑盒”，這也是其中最大的難點之一，所以我設計了這套agileed框架，盡可能地去避免這些問題。”

手指輕敲鍵盤，將ppt翻到下一頁，也是這次匯報的核心內容，agileed的框架圖，雖然代碼一行沒有，但是只要邏輯上能夠說服老師就夠了。

“這套框架主要都是基于attention，也就是transforr，雖然其存在計算量大的問題，但是毫無疑問，這是現階段所有深度學習的核心基礎。

agileed的作用概括來說就是兩個字——打包！ppt上所展示的是agileed最為核心的三個組件，分別是：

感知與狀態編碼層，它的作用是收集并預處理來自邊緣環境的原始、多模態數據，

ai協同優化決策引擎，采用分層強化學習架構，實現大模型的縮小，

執行與反饋層，將縮小的大模型打包到相對應的邊緣環境中。

最終達到ai邊緣部署的目的，理論上來說，無論什么樣的大模型，經過這一流程都能被塞到邊緣設備中。”

鄧永華看著大屏幕上的ppt思考了一會兒，緩緩開口：“我有一個問題，

既然agileed框架具有高度的自適應性，它有沒有可能會在運行時為了滿足短期性能目標而頻繁地對邊緣設備上的

ai模型進行極端壓縮，或者進行激進的在線剪枝。

這種持續且可能激進的“調教”行為，長此以往是否會導致模型在未被直接監控的復雜場景或長尾數據分布上出現不可預知的精度漂移甚至災難性遺忘？

還有一點就是agileed如何在動態模型“打包”的過程中，系統性地量化并約束這種潛在的、累積性的精度損失？”

周昀眉頭不自覺微微皺起，這個問題確實是他的疏忽，這和智商沒有關系，完全就是科研經驗上的不足。

但是這并不妨礙他回答，在大腦的高速運轉下，他就想到應對方式：“老師的這個問題我確實想過，所以我設計了一個全新的指標對打包后的模型進行評價，不過因為還沒有完善，所以ppt上沒有展示。”

別問，問就是有，只不過他還沒想出來。

鄧永華也沒追著刨根問底，畢竟還只是一個研零的學生，沒必要太過嚴格，就周昀現在的表現來看，他已經很滿意了。

最為核心的部分講完了，接下來就是一些實際應用場景的講解，比如工控領域，醫療領域等等。

“以上就是我的匯報，老師還有什么問題嗎？”

鄧永華搖搖頭：“就先這樣吧，邱彥，沈瑞，你們有什么問題嗎？”其實問題還是有一些的，但還是那句話，沒必要太過難為新生，現在這種程度已經夠了。

身邊兩人聽到自家導師提問，直接被嚇了一激靈，同時搖頭：“沒問題。”

這讓鄧永華深深的看了兩人一眼：“那今天的面試就先到這里，幾位回去等通知吧？”

其實如果不是考慮到另外四位學生，他是想直接宣布周昀通過的，但是想了想還是算了。