全身瘫痪，系统让我每天五公里 第196章 万年一遇

第196章万年一遇(第1/2页)

婉妙音乐公司办公区，员工们也在议论着新来的老板。

“虽然老板看起来好像不大，但是人真的大气，定的这个餐，最少也得**十一份吧？”

“我去过这家店，这个应该是八十一份的。”

“真希望老板天天来公司练歌，这样就可以天天有免费的高档午餐吃了！不行，我得拍个照片发个朋友圈！”

“你们说，那个婉儿是不是也是我们老板之一？婉妙音乐，怎么听她才更像是老板。”

“不知道，不过，不管是老板还是婉儿小姐，都美得各有特色，虽然还没有正式出道，但是我已经想要粉了！”

“不过，你们注意到没有，老板的那个歌的作曲作词是一个叫星河的，而那位先生叫清河，你们说是不是一个人？”

“这个....不好说！”

对于新老板，所有人都很好奇。

收购公司的时候，每个人在原有基础上已经上涨了百分之十五的工资，现在一来，更是财大气粗，直接让他们准备的方案按顶格走，一句不缺钱，就已经让他们知道，这是来了真财神。

以前抠抠搜搜的日子将一去不复返了！

每个人心里都有这么一个念头。

“吃完饭，大家就赶紧动起来，上午我们开会说的运营方案，要尽快安排下去，第一次打这么富裕的仗，咱不能掉链子！”

这是运营部的负责人对手下说的。

“联系企鹅，联系快音，联系....反正别怕花钱，要把这两首歌第一时间铺到所有渠道上，让不管哪个平台的用户，都能在节目播出后，可以在平台首页看到这两首歌！”

这是渠道部负责人说的。

“母带尽快发给生产线那边，我们要尽快把单曲CD赶出来！”

这是发行部负责人给手下的命令。

.........................

吃过饭，周婉儿在给叶清河做按摩的时候，苏妙儿好奇地也在另一边学着周婉儿的手法。

“你这手法是从哪里学的？怎么感觉还挺专业的？”

“我专门去学过一段时间的护理，不要小看这些手法，这可是专业的康复护理按摩手法。”

周婉儿一脸的自豪，这个手法她学的时候，老师都说她学到了精髓，还想劝她要不要大学学护理专业，说她真的是天生护理圣体。

“哦～～”

苏妙儿恍然，她想到了周婉儿为什么不会开车了。

“哦什么哦？搞得你好像知道了什么一样！”

周婉儿并没有意识到自己不经意的一句话暴露了昨天没有跟苏妙儿说的秘密。

“叶清河，你命真的....”苏妙儿扭过头想说叶清河命好，怎么会遇到周婉儿这么好的女孩，不过看到躺着不动的叶清河，这话又说不出口了。

命好能这样么？

可是不这样，也没有机会看到周婉儿这么好的一面。

“确实挺好的！”

叶清河猜到她想说什么，笑着回道。

命确实挺好的！

这么好的女孩，不是每个人都能遇得到的。

百年一遇田润叶，千年一遇田晓霞，万年一遇贺秀莲。

（本章未完，请点击下一页继续阅读）第196章万年一遇(第2/2页)

他觉得周婉儿就属于万年一遇的。

“你倒是清楚！”

叶清河的回答让苏妙儿有种知己的感觉，虽然自己没有说出来，但是叶清河第一时间就能get到自己想说什么，并立马说出来。

“你俩说啥小秘密呢？”

周婉儿在一旁秀眉轻皱，怎么这两个人还有自己不知道的事情了？

“略略略，就不告诉你！”

苏妙儿伸手扮了个鬼脸，一脸的得意。

“没啥，就是...”

叶清河笑着想要解释，不过刚开口就被苏妙儿用手给捂住了嘴：“别跟她说！昨天她还跟我说有秘密呢，今天我们也有秘密，不告诉她！”

说完，还故意冲着周婉儿挑挑眉，那小表情，就差有个小尾巴了。

“吃完了么？吃完了的话，我们就继续吧？”

甄老师敲开休息室的门问道。

时间太紧了，必须得加班加点才能让两人在登台前有较大的改善，所以午休什么的，有吃饭的这会功夫加上半个小时就足够了。

“好的！马上！”

周婉儿没再追问苏妙儿，赶紧动手帮着叶清河按了起来。

等一套按完，周婉儿脸上都出了一些细细的汗珠。

苏妙儿则是没有再捣乱，一直在一旁看着周婉儿怎么做，把这些动作手法记在心里。

等两人离开后，休息室安静下来，叶清河伸手打开平板，进入清木的网上图书馆。

在秦思明给他把权限开到最大后，很多数学以及相关学科方面的书他都不用再去网上找，直接就可以在图书馆里看了。

这极大地方便了他。

AI智能的问题他还一直没有解决，他的下一个问题，准备解决的就是这个。

这个相比于物流的问题，要难得多，如果说物流的问题是数学皇冠上的明珠，那么这个就是开辟新的学科才能解决的。

他没有争着去堆模型调参数，而是从最底层的地基开始啃。

这些天，没事他就泡在泛海分析与凸优化里，把LipSChitZ连续性、强凸性、对偶问题一条条推到纸面上，直到那些复杂的不等式在脑子里变成直觉。

还有概率论与随机过程，从鞅论、大数定律，到高维空间中的集中不等式，一点点把“不确定性”这件事，拆成可计算、可控制的数学结构。

真正触及AI核心的部分，他是在计算学习理论里打通的。

VC维、RademaCher复杂度、泛化误差界，这些决定模型到底“到底能不能真正学会”的理论，他不只是看懂，而是亲手推导每一条界的松弛与收紧，理解深度学习为何能在参数远超样本量的情况下，依然不崩、不烂、不记住噪声。

再往上，是表示学习与流形学习。

他默认高维数据本就落在低维光滑流形上，用黎曼几何的眼光去看梯度下降，把优化过程理解成流形上的测地运动，而不是简单的向量更新。

那些别人靠“炼丹”碰运气的结构设计，在他这里，变成了拓扑不变量与几何先验的严谨选择。

最前沿的部分，他则直接扎进神经符号系统与因果推理的研究领域。