沙勉之知道王浩也要做报告，还说和自己成为竞争对手，顿时感到有一点紧张。
他曾经是王浩的老师，但王浩早就不是‘印象不深’的本科生了，能在东港大学上研究生、博士的人，都可以称得上是精英人才，能留校东港大学的博士生，更可以说是‘精英中的精英’。
哪怕是手下最看好的博士，带过来参加STACS会议的徐杰，也不敢说能百分百留校东港大学。
东港大学，人才太多了！
王浩还属于非常优秀的那一种，不谈材料实验室的问题，他离开东港没过几个月，就完成了好多篇SCI，有几篇算法论文都是在核心期刊发表的，其中‘傅里叶变换构建数学模型’的论文，在互联网行业产生了不小的影响，可以促进大数据分析变得更快捷、精准。
这个成果可以说是顶尖的了。
但是，也正因为前一段时间的舆论，沙勉之知道王浩刚完成了几项研究，最初见到王浩根本没想过他是来做报告的，只是觉得像是其他学者一样，来STACS会议只是为了涨见识、学习，反倒和他一起的阮海龙，更像是来做报告的。
等和王浩、阮海龙分开以后，沙勉之一行人重新去了会议厅，到电子栏找了一下王浩的报告。
“在最后，二厅，下午第一场。”王明坤快速浏览了一下，就找到了王浩的报告。
“大数相乘算法？”
王明坤思考着说道，“他才刚完成傅里叶算法相关的研究，估计就是个改善算法吧。”
他估计着，“小成果，运气不错，过稿了！”
“应该是这样。”沙勉之思考着点了点头，才刚完成一项重大研究，正常来说，不太可能快速完成另一项，大数相乘算法是个焦点问题，但几十年都没有突破进展，而对于算法的改善，提升特定情况下的效率，就只能归在‘小研究’行列中。
“王浩，估计就是开个玩笑吧！”沙勉之顿时笑着摇了摇头。
旁边的徐杰忽然开口问道，“沙老师，王浩不是数学博士吗？他怎么来参加计算机会议？”
沙勉之还没有说话，王明坤则笑道，“小徐啊，你要是想在计算机的基础研究方向走的更远，必须要学好数学，最好是能学個精深。”
“数学，是计算机的基础，不管是什么算法，基础都是数学。”
“如果你的数学好，计算机研究有成果很容易，反过来说，你只是计算机好，了解的多、能用出来，只能当个程序员，没有办法从事理论、算法的研究。”
沙勉之也笑道，“多听听王老师说的，所以我才让你多看数学。”
徐杰了然的点头。
当想到王浩的时候，不由得有些羡慕，对方比自己还小一岁，却已经完成有影响力的研究，并且能在顶级会议做报告，能和沙勉之、王明坤平等对话。
而他，还只是个跟着导师的博士生。
……
第二天，会议正式开始。
王浩和阮海龙来的都很早，会场没有特别安排座位，他们也没有做得太靠前，只是在中间找了位置。
过了没多久时间，沙勉之三人也到了，就直接走过来并排坐下。
上午报告都是在一号会议厅进行的，轮到一些‘不被看好’的报告，才会在两个会议厅一起进行。
等到了开幕时间后，会议组织方、主席，以及几个委员评审相继入场，随后主席上台说了一大堆话，可以简单总结就是‘会议正式开始’。
STACS会议开幕并没有那么复杂，只是主席说了几句话，对去年的会议进行总结，然后说一下今年的会议安排，接下来就宣布报告会正式开始。
第一个上场的是个年轻教授，大概只有三十岁左右，来自巴黎综合理工大学。
琺國举办的会议肯定照顾下‘自己人’。
用一个‘不怎么重大却挑不出错’的研究，作为开场白让会议正式进入正轨，也是个非常适合的选择。
年轻教授说了个对于‘在线算法-正则化双重平均算法’的研究，内容听起来有点意思，但只是研究有了一点小进展，很难吸引在场学者的眼球。
二十分钟，报告结束。
会场里有些人礼貌的鼓掌，但多数掌声都来自前排，来自会议的举办方、评审、特邀专家，后排的学者们连象征性鼓掌都没有。
他们对于‘不感兴趣’、‘没多大意义’的研究，不大喊一声‘下去’、‘下去’，都已经很有礼貌了。
这就是真实的学术会议。
有实力才能赢得掌声，没实力就干脆别上去，学者们可不懂‘虚情假意的客套’。
王浩对于第一个报告也听了几耳朵，发现对自己没什么帮助，而且研发进展也很小，没有比较出彩的地方，就和其他人一样，也没什么兴趣了。
等到了第二个报告的时候，他就非常专注的耐心听了，甚至还用了一个‘教学币’。
其他人也同样很认真的听。
第一个报告等同于‘做个开场’，第二个报告、第三个报告则都是比较重要的，是会场评审方认为是有‘重大意义’的研究。
好多不需要作报告的学者，来参加会议的目的，也是听取有重大意义的研究，专业性的顶级会议，也是涨见识、学东西的地方，新的研究方向、新的内容，可以让学者们知道其他人在研究什么，是怎么样完成的研究，就能够开拓思考，找到与自己研发有关的灵感和方向。
王浩最看重三个报告，今天的第二场、第三场，还有明天上午第三场，也就是沙勉之和王明坤一起的研究。
现在进行的第二场，是一个牛津大学教授做的研究，是对于梯度下降算法计算复杂度的理论研究。
这是非常罕见的。
在应用研究的很多方面都依赖于一种名为‘梯度下降’的算法，是一个求解某个数学函数最大/最小值的过程，从计算产品的最佳生产方式，到工人轮班的最佳安排方法，‘梯度下降’算法都能派上用场。
但是相对于多方向的应用来说，相关理论研究却稀少的可怜。
这位作报告的牛津大学教授，从‘梯度下降算法在许多常见问题上效果不佳’，以及‘梯度下降的很多工作都没有涉及复杂性理论’两个方向，以数学计算机的方式，研究各类情况问题中的交集问题，从而对于梯度下降算法进行了理论论证。
王浩听得津津有味，论证中清晰的逻辑剖析，让他感觉对于逻辑论证的把握都更清晰了。
另一个反应就是--
任务二，灵感值+1。
听取了全程的报告，直接带来了‘任务二’一点灵感值收获，明显收获是很巨大的。
虽然只有一点灵感值，但要知道，‘任务二’是破解上帝之数，难度是A级别的，只是增加一点灵感值，也许会是很重要的提升。
牛津大学教授的报告获得了一致赞叹，完成的时候收获了一致的掌声。
沙勉之坐在了王浩的旁边，忍不住感叹道，“看来，想拿个最佳不容易啊！”他对自己的研究有信心，但要说压制刚才的报告可不好说，还是要看会议评审组的看法。
下面就是第三场。
会议第一天的第二场、第三场都可以说是压轴，有了刚才的精彩报告，好多人也期待其了第三场，上场的是来自芬蘭赫尔辛基大学的西弥斯-戈尔利克斯，以及他的同事阿尔马洛夫。
报告的名称则是‘快速而准确的最小均方求解’，内容是对于最小均方算法，也就是LMS算法的改进。
西弥斯-戈尔利克斯上台以后，就骄傲的宣布，“我们找到了一种最为快速、最为准确的最小均方求解方法，这种方法可以让计算复杂度降低两个数量级以上，并且不会损失精度和改善的数值稳定性。”
这句话说出来立刻引起会场一片哗然。
最小均方求解是许多机器学习算法的核心，能够让计算复杂度降低两个以上数量级，可不是开玩笑的，那已经不是改善，而是‘跨越式的进步’。
比如，计算一个问题需要一亿次运算，下降两个数量级就变成了一百万次。
这显然是质的飞跃。
西弥斯-戈尔利克斯开始认真讲解说起来，他的同事阿尔马洛夫则在旁边做补充讲解，他们提出了一个非常新颖的分治法，然后用离散傅里叶变换算法，充当整体构架的‘掌舵’。
王浩听到这里顿时有精神了。
他感觉‘掌舵’内容似乎有些熟悉，再继续听下去就明白过来。
后面的研究内容对于自己的‘傅里叶变换辅助构建数学模型’，肯定是存在一定的借鉴和参考。
“抄袭？”
“不，应该说是应用。”
发表出来的论文内容，被用作其他研究的参考，也是很正常的事情，只要论文上带上‘参考文献’就可以了。
这倒是没关系。
不过王浩继续听下去，就不由得皱起了眉头，他发现对方的研究是存在问题的，尤其牵扯到离散傅里叶变换算法，合并‘分治法’支撑降低计算复杂度，到了两个数量级就出问题了。
报告进行了一个小时左右，西弥斯-戈尔利克斯完成大部分讲解，他讲解的都是‘大致方向’，也停下来休息了一下，也让会场众人做个消化。
其他人都在惊叹报告成果，王浩则是喊了一句，“戈尔利克斯先生！”
西弥斯-戈尔利克斯马上注意到王浩，疑惑问道，“这位年轻的先生，有什么问题？”
会场众人顿时看过来。
王浩站起来说道，“你的报告很精彩，我指的是前面，但是第二部分，用离散傅里叶变换对于整体计算进行构架，我认为，是有问题的。”
“离散傅里叶变换和你的‘分治法’相结合，在计算超大数或是超多计算量时，比如，超过兆亿次计算，所塑造承受的复杂性的核集，不可能把所有的解包含进去。”
“你是依赖Caratheodory定理完成的构造，分治法本身没有问题，但和离散傅里叶变换算法相结合，就会出现问题。”
“就是在第二部分，表征凸包点开始……”
王浩用手指了一个方向。
西弥斯-戈尔利克斯没有回头，而是满脸不屑道，“年轻人，你的导师呢？”
“这里是STACS会议，你要为你说的话负责。”
王浩轻笑道，“我当然会为我的话负责。另外，我也是来作报告的，并没有和‘导师’一起。”最后一句是调侃说出来的。
他继续道，“而且，如果没有听错的话，从第二部分开始，你们的研究，主要是使用了我的方法。”