的少，十分安静。
书架上的书籍排列得整整齐齐，阳光透过高大的玻璃窗，落在书脊上，泛着淡淡的光泽。
肖宿站在书架前，指尖轻轻拂过一本本厚重的专著，目光在书名上快速扫过，最终停在了两本书上。
《群表示论及其应用》和《自监督学习理论基础》。
他取下两本书，指尖摩挲着封面，眼底闪过一丝极淡的思索。
之前的动态图算法研究，让他对李群理论的应用有了更深入的体会，而偶然看到的几篇自监督学习论文，让他隐约觉得，群论或许能为特征解耦提供一个全新的视角。
知识与知识之间的关联，往往就在这样的不经意间浮现。
就像当初从几何跨界到物理，从随机微分方程联想到路径积分，肖宿从不刻意规划研究方向，却总能在深耕一个领域时，触碰到另一个领域的大门。
他找了个靠窗的位置坐下，将书放在桌上，先翻开了《群表示论及其应用》。
他的指尖点在书页上的公式的，眉头微蹙，偶尔拿起笔，在草稿纸上快速推导几句。
随后，他看到其中一段内容，陷入了久久沉思。
片刻之后，他又打开了手边的《自监督理论基础上》。
这是一本近两年才崭露头角的经典，它系统地阐述了如何让ai系统在没有人类标注的海量数据中，自行寻找规律、学习特征。
自监督学习被誉为“ai领域的圣杯”，因为它有望打破当前深度学习对昂贵标注数据的重度依赖，开启通向更通用人工智能的道路。
然而，这条路上横亘着一个顽固的难题——特征解耦。
即如何让模型学到的特征像乐高积木一样清晰、独立、可组合，而不是混杂不清的一团混沌。
这直接关系到ai的理解是否真正深入、是否具备可解释性与可控性。
而现在，肖宿头脑中闪过一个念头，他觉得，这个方法也许可以解决这个问题呢。
不知过了多久，一个熟悉的声音在身边响起，带着几分惊喜，又刻意放轻了音量：
“肖宿？你也在啊？”
肖宿抬起头，看到刘浩然手里抱着一摞厚厚的文献，站在桌旁，脸上带着笑意。
他放下笔，轻轻“嗯”了一声。
刘浩然拉过旁边的椅子坐下，把文献放在桌上，目光落在肖宿手边的书上，眼睛一亮。
“你还在看群表示论啊，是要继续深入吗？”
肖宿没有接话，只是把桌上的草稿纸往旁边挪了挪，露出上面推导的公式。