直播間的觀眾越聚越多，彈幕畫風逐漸跑偏：

「這評委小哥哥好帥！求聯系方式！」

「前面的別想了，人家是沉悅科技的......」

技術員小王看著逐漸離譜的彈幕，默默擦了把汗。

隨著主持人宣布比賽開始，楊銳作為第一組選手走上展示臺。

他深吸一口氣，將電腦連接到投影儀，屏幕上立刻顯示出他精心設計的ai模型架構。

陳默坐在評委席上，目光掃過楊銳的代碼框架，微微點頭——還不錯，挺有新意的。

楊銳的模型基于傳統的卷積神經網絡（cnn），但在特征提取層做了優化，減少了冗余計算，使得模型在保持較高準確率的同時，運行速度提升了近20%。

這在2014年的技術水平下，已經算是相當不錯的改進。

幾位教授率先發問，問題大多圍繞理論基礎和實現細節：

“你的模型在減少計算量時，如何保證特征提取的完整性？”

“訓練數據集的樣本分布是否均衡？有沒有做過數據增強？”

楊銳推了推眼鏡，一一作答，雖然有些緊張，但回答得還算流暢。

輪到沉悅科技的技術員提問時，問題明顯更偏向工程實踐：

“你的模型在實際部署時，能否適配低算力設備？”

“如果遇到數據噪聲較大的情況，你的魯棒性優化策略是什么？”

楊銳顯然對這些更貼近實際應用的問題準備充分，回答得甚至比面對教授時更加自信。

最后，所有人的目光都落在了陳默身上。

作為特邀評委，又是全場最年輕的評委，他的提問無疑是最受關注的。

然而，陳默并沒有刻意刁難楊銳，只是問了一個相對簡單的問題：

“你的模型在測試集上的準確率是多少？如果遇到過擬合的情況，你打算怎么調整？”

這個問題看似基礎，但其實是給楊銳一個展示自己全面思考的機會。

楊銳眼睛一亮，立刻回答：“測試集準確率是87.3%，如果出現過擬合，我計劃用dropout層和早停策略（earlystopping）來緩解。”

陳默點點頭，露出一個贊許的微笑：“可以，換下一組吧。”

楊銳愣了一下，然后忍不住差點直接笑出來。

他就說默哥和他兩個人關系鐵呢，這明顯的放水他怎么可能會看不出來？

直播間的觀眾們可沒放過這個細節，彈幕瞬間炸了：

「啊啊啊陳默笑起來太好看了吧！」

「評委小哥哥好溫柔！居然沒為難選手！」

「這位卷毛小哥哥答得也不錯！愛了愛了！」

甚至有人開始腦補：

「陳默是不是認識這個卷毛小哥啊？感覺對他特別友善！」

「前面的，我賭五毛他倆有一腿！」

技術員小王看著這些逐漸跑偏的彈幕，默默擦了把汗，心想：這幫網友的腦洞也太大了......

然而，當劉子軒站上演示臺時，整個賽場的氛圍微妙地變了。

他自信滿滿地展示了自己的模型——一個基于傳統svm（支持向量機）的圖像分類器，架構簡單，思路老舊，甚至連優化部分都只是照搬了教科書上的標準方案。

評委席上，幾位教授交換了一個眼神，眉頭微皺。

不是說有多差，而是......毫無亮點。

這種水平，放在校內選拔賽都勉強，更別說跨校ai大賽了。

但出于禮貌，教授們還是提了幾個基礎問題：

“你的核函數選擇依據是什么？”

“訓練集和測試集的劃分比例是怎么定的？”