但迷路的不少，看到差距感到绝望的同样不少。

加利福尼亚此时刚好上午11点。

位于加利福尼亚的斯坦福大学校园内研究室里不少科研人员还在忙碌着。

不过也不是所有人都在忙碌。

摸鱼的也是存在的。

看着手表上的时间已经临近中午。

埃克来尔·基尔卡加博士已经做好到点下班的准备了。

干饭才是最重要的。

卷是不可能卷的，完全没必要。

关键是根本卷不过。

自从l搞得生成式文本摘要算法问世诞生之后。

埃克来尔·基尔卡加博士和他所在的团队最近会同普林斯顿大学数学系朱尔斯教授的团队一直在进行对该技术的跟进。

刚开始的时候整个团队还踌躇满志。

但很快就意兴阑珊。

最开始的时候之所以踌躇满志是因为埃克来尔·基尔卡加博士和他所在的团队发现了长短期神经网络这个方向。

埃克来尔·基尔卡加博士和他所在的团队一度以为这个方向是正确的研究方向。

了长短期神经网络这种神经网络相比普通的循环神经网路，在应用时对文本中间隙长度不敏感。

长短期记忆神经网络这一类别的神经网络在处理更长的序列中有不错的表现。

正是因为长短期记忆神经网络的特性跟l搞得生成式摘要算法中实际应用时所表现出的一些特性相吻合。

当时埃克来尔·基尔卡加博士和他所在的团队一度以为找到了正确的方向。

经过最近对l搞得算法跟踪研究后。

埃克来尔·基尔卡加博士和他所在的团队却发现虽然他们的猜测对了，但却也没完全对。

l搞得生成式文本摘要里面纵然用到了长短期记忆神经网络。

推荐下，追书真的好用，这里下载大家去快可以试试吧。】

但也绝对不可能是十分肤浅的应用了最基础的长短期记忆神经网络。

l在算法中应用的大概率是一种依托于长短期记忆神经网络进行一定修饰后的更为特殊的神经网络。

虽然不清楚l具体是应用了什么类型的修饰。

但一定是修饰了的。

至于修饰了什么么就不好说了。

一个人藏起来的东西，一万人可能也找不到。

类似的道理，尽管l可能只是做了一点微不足道的修饰。

这种变化究竟是什么短时间内埃克来尔·基尔卡加博士和他所在的团队根本不可能搞懂。

唯一能搞懂的就是l对长短期记忆神经网络采用了一种极为巧妙的应用。

就很无奈。

随着研究的深入，进展倒是有一些。

但问题是收获的不止是进展，还有对对手的进一步认识。

技术的真谛没发现太多。

反而全面认识到l技术之强劲。

埃克来尔·基尔卡加博士和他所在的团队似乎明白了什么叫做：

——越接近对手的实力，就越理解对手的强大。

面对l的时候，埃克来尔·基尔卡加博士和他所在的团队就是这种感觉。

尽管可能赶得上，但涉及到生成式文本摘要这种技术并不是纯粹的技术。

这背后是连带着市场的。

技术问题等得起，但商业上的问题等得起吗？

等对手将市场潜力发掘地差不多了。

再入场又有什么用呢？