>

“路上小心。”

三人走后，原本热闹的校园瞬间冷清下来。

平日里穿梭往来的学生少了大半，食堂的窗口关了一半，连风吹过梧桐树的声音，都显得格外清晰。

肖宿照常泡在图书馆做自己的研究。

京大的图书馆即便到了暑假，也从不缺埋头苦读的人。

一楼的自习区被考研大军占得满满当当，桌上堆着高高的复习资料，偶尔有翻动书页的沙沙声和笔尖划过纸张的轻响，安静却又充满张力。

肖宿绕开喧闹的自习区，径直往自己的老位置走去。

数理专区的人一如既往的少，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。

刘浩然凑过去看了一眼，眉头渐渐皱起，那些涉及群作用、特征标理论的推导，他对群论的掌握远不如肖宿，根本看不懂他写的什么。

“你这是……在做新的研究？”刘浩然忍不住问。

肖宿沉默了几秒，指尖重新落在《自监督学习理论基础》的封面上，轻轻摩挲着书脊。

他的语气依旧平淡，却带着一种笃定的意味：“我觉得，群理论在推动智能应用方向还可以进一步拓展。”

刘浩然愣了一下，随即脸上露出惊喜的神色：

“群理论的应用？你有具体的想法了？”

“嗯。”

肖宿点头，抬眼看向刘浩然，眼神清澈而专注。

“有一个初步想法。既然群论的核心是研究对称性、变换与不变性，而自监督学习的目标是挖掘数据中本质的、不变的规律，那么两者在底层哲学上是相通的。

我们可以尝试用群的数学语，来严格定义和引导特征解耦的过程，让模型学会将物体从背景中‘旋转’、‘平移’出去，将光照变化视为一种‘变换群’的效应而分离，甚至将更抽象的风格与内容进行数学意义上的‘解耦’。”

他稍作停顿，“不如现在开始准备，我们一起开始做‘群论驱动的自监