拷进去，今天他要分享论文。

不一会儿，师门同学们陆陆续续都来到了实验室，紧接着，导师王海波也到了。

凌志的导师王海波40出头，今年刚刚评上了教授，正是志得意满的时候。听说家里的小儿子也刚刚出生，正是双喜临门之时。虽然在计算机领域深耕多年，但并没有拼过头，头顶的平头发型还是郁郁葱葱。行走在路上时总是脚步带风，看见谁都一副笑眯眯的样子。就是年纪逐渐上来了，颈椎经常性地不舒服，凌志想什么时候有机会在教师节送王导一个按摩仪试试看，也算报答王导的教育之恩。

“今天有没有人分享的？”

凌志没有犹豫，说道：

“老师，我来吧。”

凌志打开自己的ppt，毫不怯场地讲道：

“今天给大家分享一下我最近阶段性的实验结果以及论文。”

……

“这是我的数据预处理过程，我大致分为了5个步骤，……”

“这是我对句子对匹配的实验结果，两个句子属于同一人所发布即为正样本，不是同一人即为负样本。……”

“你先等下，你分类所用的特征都有哪些？”

老王问道。

“哦哦，我一会儿会详细说，我现在仅仅是先把结果抛出来。……”

“这个正样本和负样本的叫法合不合理嘞？这个实验结果你们觉得怎么样？”

老王跟大家讨论了一阵，然后让凌志继续。

“我使用的特征是一个14个维度的向量，包括人工提取的特征和神经网络提取的特征。……”

凌志讲ppt沿用了老王以前对学生们的教导——多用图表，少用文字，凌志深以为然。事实上ppt本来就是用来突出重点的，如果往上面堆砌太多文字的话，讲者容易对着ppt念，听者也会觉得乏味，不会自己思考。而用图片和少量文字突出重点，就比较容易让听众们接受。

正如接下来凌志分享的论文，用一张图说明了一句话中每个词之间的远近关系。

“比如现在有两句话，‘他对媒体发表言论’以及‘他出席了新闻发布会’。虽然这两句话意思很接近，但我们如何用程序来进行打分判断呢？我们应当将第一句话中的‘他’所对应的词向量跟第二句话中的每个词进行对比，找出意义最接近的那个。后面以此类推，‘媒体’对应‘新闻发布会’，‘发表’对应‘出席’。就这样通过词向量之间相似度的计算，进而合并为两个句子之间的相似度。”

凌志展示出两个句子之间的相似度：0912，大家很容易地理解了两个句子之间的相似度是如何计算出的，因为图上每个词之间的距离远近都非常清晰。

之后凌志开始解释一些技术细节，包括每个词的词向量如何计算出来等等。

作为主讲人，凌志非常清楚讲解时需要详略得当，所以不会过多阐述细节，只用图表解释了文章的核心思想。所以讲好ppt确实不容易，细节不能太过深入，但也不能一带而过，把握好一个度是很重要的。

随着凌志分享完，说声谢谢后，会议室里大家不自觉地响起了掌声。凌志有时候会注意到，一般在对大众讲话时，结尾加一句“谢谢”，会让观众们不由自主地鼓掌。然而大家给他鼓掌并不是单纯捧他场，而是确实觉得凌志讲得好。

“不错，实验过程和细节讲的很清楚，问题也分析的到位，论文也很值得借鉴。行，下一个，还有谁要讲？”

凌志长舒一口气，坐到其他位置上。有一个刚考上研究生，提前进来实验室的师弟站了起来，打开了自己的ppt。

“额，各位师兄师姐好，今天我想来讲一篇论文，题目叫……”

很明显有点紧张，不过凌志一点也不在意，当初自己也是这么过来的嘛。

“这篇论文的算法是这样的，……”

“你等会儿，都跟你们讲过了，不要把原论文列出的算法英文伪代码直接贴到ppt里面，你们这样做谁会去看啊，那么复杂。你应该像凌志那样画图表现出来，这样别人看起来才觉得简单易懂，知道了吗？不要让我一再强调。”

“哦哦，抱歉老师，我以后一定注意。”

“行，那你继续。”

于是师弟战战兢兢地讲完了自己的论文，也不知道大家听没听懂，最怕空气突然安静。

凌志没觉得师弟有多差，差的话也就不会坐在那里了，只不过第一次讲解ppt，可能考虑不到观众们的感受。虽然自己也没听懂多少，但也不是很在意，反正也不是自己的研究方向。真要是跟自己密切相关，那就私下里重读论文，自己去理解。

想起刚进实验室时候的自己，那时候参加组会，听师兄师姐们讲解ppt听得晕晕乎乎的，组会之后狂查资料弥补概念。现在想想，倒不是看不起当初的自己，事实上了解自己不了解的概念也是很重要的。只不过自己当初的心态太过着急了，完全可以慢慢来。

不知不觉组会已经来到11点，老王又说了几句场面话，上午的组会就宣告结束。