北京
“一個后來做出Kimi，一個后來做出GLM，兩個公司最高市值加起來1萬多億，應該是我清華校友中最值錢的一對師徒組合了。”
7月25日，一張清華大學特等獎學金答辯的老照片引發熱議。照片拍攝于2014年11月2日，臺上答辯的學生是后來創辦月之暗面、做出Kimi的楊植麟，為他寫推薦信的導師，正是后來聯合創辦智譜AI、推出GLM的唐杰教授。十一年后回看，那場答辯如同一個精準伏筆。
唐杰的推薦信幾乎沒有保留。他回憶，楊植麟大二上學期就進入實驗室，第一個任務是在大規模網絡數據下做分析研究。“短短幾周，他就成為了我們這個團隊中的核心。”研究過程中，楊植麟發現數據處理效率很低，自己分析后提出了一個全新算法——基于大規模并行化處理的方法，效率提高了幾十倍，隨后被華為、騰訊等多個公司采用。
更讓唐杰印象深刻的是產出速度。短短一年，楊植麟就以第一作者身份在計算機領域一流會議上發表了三篇文章。他還前往斯坦福大學交流，在全球癌癥預測大賽中獲得第一名，“擊敗了好幾個來自斯坦福大學的團隊”。唐杰甚至專門提到了楊植麟的課余生活：“他創立了校園樂隊Splay，是主力鼓手，也是主力詞曲作者，在實驗室還有一大幫粉絲。”推薦信結尾，他的評價毫不含糊：“他是我這幾年見過的最優秀的學生、最有天賦的學生，我強烈推薦他。”
楊植麟的答辯自述，同樣是一份硬核的成績單。他介紹，自己90%的專業課程在95分以上，所有程序設計課程均為滿分，成績位列年級第一。隨后他詳細拆解了在數據挖掘實驗室攻克社交網絡謠言阻斷問題的過程，針對三個核心挑戰逐一給出解法：面對數據規模大，提出大規模并行化算法，性能提升數十倍，成果發表于國際會議KDD 2013，算法被騰訊、新浪、華為等公司采用；面對標注成本高，提出主動學習算法，可節省95%的標注成本，論文發表于WSDM 2014，并受邀在紐約舉行的會議上做大會報告——當時僅有5%的論文獲此機會；面對實時監測難，提出基于數據流的算法，可實時在線處理社交網絡數據，論文發表于CIKM 2014。
學術之外的成績同樣突出。他在美國科學院院士、工程院院士David Dill教授指導下，研究基于蛋白質陣列的癌癥預測，作為第一作者參加由美國MD Anderson癌癥中心和國際計算生物學會聯合舉辦的DREAM9全球癌癥預測大賽，擊敗斯坦福大學、哥倫比亞大學等機構的隊伍奪冠，論文發表于國際期刊PLOS Computational Biology。
答辯的問答環節，讓這份履歷有了更真實的一面。被問及科研中“中間過程的精彩瞬間”，楊植麟講了一個細節：寫CIKM論文時，推導公式一周沒結果，非常沮喪。直到某天戴著耳機走回宿舍，“突然聽著聽著，我就知道怎么推了”，回到寢室馬上把公式推完，論文差不多一氣呵成。被問及“拿100分的經驗”，他把功勞歸于班集體：“大三這個學年，我們班在年級前十名中占了6名。這完全是集體的功勞。”被問到最大挫折時，答案出人意料：“我大學本科確實過得比較順利。最大的遺憾，就是我們的樂隊沒能在原創決賽中獲得冠軍，只拿了一個原創歌曲獎。但我覺得這沒有關系，因為我們都在通往自己夢想的路上竭盡全力，這就是最好的事情。”
陳述結尾，楊植麟說了一段話：“這是計算機科學最好的時代，因為大數據帶來了前所未有的機遇。我希望在這最好的時代、最好的年華，做最好的事情：用計算機科學去解決人類社會中的重要問題，用數據改變世界。”十一年后，當年的師生二人分別做出了Kimi和GLM，那個答辯臺上的宣言，如今讀來，更像一個被兌現的預言。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
