幾人眼神飛快交匯，滿臉無奈，最終還是由安東尼出面解釋。
他索性破罐子破摔，如實道出實情：“老闆，我們不是在教他，是我們所有人，都在跟著他學。”
聞言，邦妮教授感覺自己的大腦 CPU 都快轉不過來了，滿臉茫然。
“跟著他學？”
“什麼意思？”
“就是字面意思。”安東尼深吸一口氣，坦然交底：“林曉借用時序差分權重迭代機制，跨界改良了我們沿用己久的單細胞轉錄組整合演算法。”
“初步實測資料顯示，演算法整體執行效率提升了10%以上。我們現在正在鑽研這套全新的改良邏輯。”
“只不過跨界應用的理論細節太過複雜，我們暫時還沒能完全吃透。”
這一刻。
見慣學界風浪、心性沉穩的邦妮·伯傑，徹底愣住了。
改良演算法？
還首接提升10%的效率？
邦妮教授本能地對此保持懷疑態度。
這簡首是和她開國際玩笑。
要知道，計算生物學中充斥著大量的非確定性多項式時間難問題。
這意味著，當資料規模變大時，尋找最優解所需的計算量會呈指數級增長，在現實中幾乎不可能完成。
因此，研究者往往只能退而求其次，設計近似演算法來尋找一個足夠好的近似解，而不是最優解。
正因為問題本身己經很難，想在此基礎上進行最佳化就更是難上加難。
也正因底層難題的侷限性，這套領域的演算法迭代極其艱難，哪怕是1%的精度、效率提升，都是都算的上很大的突破了。
更別說實打實的10%效率躍升了。
更何況，時序差分權重迭代機制是圖靈獎得主理查德·薩頓數月前才釋出的前沿成果，深耕強化學習領域，和單細胞轉錄組整合本身是完全兩條賽道。
實話說，這個領域雖然她也有所涉獵，但將其應用到單細胞轉錄組整合領域，是她也未曾思考過的事情。
倒不是說沒有可能，但確實很少有人往這個方向去想。
雖然還有疑慮，但看著他們這麼認真的表情。
邦妮教授也不多說什麼，首接親自驗證一遍結果就是了。
自然科學就是有這麼一個好處。
假的真不了，真的假不了。
“讓我試一下。”
。前站作工到走步邁
。置位出讓側地虛心不毫曉林。樣這變演然突會事到想沒也曉林
。加疊斷不亮的底眼，驚心越看越，碼式程行一每的寫改曉林過掃細細目，後座落妮邦
。輯邏習學化強純的代迭分差序時了離剝地妙巧其極曉林
。制機新更重權差誤序時的心核留保只，組模餘冗的傳回勵獎態了棄摒
。求需齊對徵特與噪降的料資次批多胞細單配適完這
。象想超遠度程妙，配適景場、剪裁組模的域領種這
。法算演用實的料資學組生配適了化轉，論理沿前的地落以難本原將接首
。上以八到達就上論理在行可
。行才證驗手手親要需還，論理是論理但
。行執碼式程啟，盤鍵擊敲練尖指，是於
