孙教授用笔尖点着白板。

“神经网络的模型剪枝，只是目前最容易被人看见的一种表象。

形式化证明证书的压缩、科学观测数据的筛选，以及大型控制系统的状态聚合，天文台为了节省存储而过滤掉所谓背景噪声，乃至化工厂的集散控制系统为了降低算力，把几万个底层传感器状态强行聚合成十几个宏观工况。

这些行为，本质上，都在做相似的事情。”

负责表示学习的资深教授微微皱起眉头，接过了话头。

“孙教授，您说的数学抽象层面确实如此。

但如果我们现在就在论文里把适用范围写得这么无所不包，这第一篇奠基性的论文会完全失控的，审稿人会觉得我们在吹牛。”

“所以我问的只是理论延伸的方向，不是这第一篇论文的最终标题。”

孙教授用笔杆指向会议室前方的幕布。

“今天我们跑的这四十八组隐藏样本，验证的依然只是工业异常分类。

我们刚才推导出的第一条风险界，也被极其克制地限制在确定性压缩、单一固定任务，以及有限覆盖数假设族的前提里。

第一步，这些边界绝不能丢。”

江临坐在位置上，把对面三人刚刚建立的三个不同项目的表格默默看了一遍，随后开口。

“这第一篇联合论文，只写深度学习的模型压缩。”

江临定下了基调。

“至于孙教授提到的其他广义应用场景，只放在论文末尾的讨论部分。

我们只说明这套理论具有向其他领域开放接口的潜力，不越界宣称我们已经覆盖了它们。”

孙教授十分赞同地点头。

周志华重新把目光投向面前电脑上的联合草稿文档。

当前的文档标题，还是刚才讨论一半时随手敲下的临时版本。

【task-preserving pression under bounded Evidence Leakage（有界证据泄漏下的任务保真压缩）】

他盯着这个标题看了几秒钟，按下退格键，将标题中略显功利的task-preserving（任务保真）果断删掉。

换成了一个更具哲学意味，也更严谨的词。

随后，他在下方增加了一行副标题来限定理论范围。

【task distinction， counterexample witness bases and Risk bounds under deterministic pression（确定性压缩下的任务区分、反例见证基与风险界）】

“主标题就用证据保留。”周志华拍了板，“任务保真是我们想要达到的工程结果，证据保留是这篇工作给出的一条可证明、可审查的实现路径。

我们不可能向世界保证，一个被压缩过的模型在所有未知的极端环境里永远能完成原任务。

我们只能在数学上严密地证明，在事先声明的覆盖范围内，那些拥有改变任务动作资格的关键证据，绝对没有被粗暴地压掉。”

江临看着屏幕上更新的标题。

“用证据保留，概念范围更准确，也经得起推敲。”

“那刚刚闭合的那条核心定理叫什么？”周志华问。

“就叫确定性压缩下的任务保真风险界？”江临提议。

“名字太长了，不适合在正文的推导过程中被反复引用，显得冗余。”

周志华在草稿的定理声明处，暂时敲下了一个简短有力的缩写。

【Evidence-preserving pression theorem (Epct)】

【证据保留压缩定理】

“我们在论文的正文里，会用数学语言把它的适用条件完完整整地写清楚。”周志华说，“定理的名字可以尽量简短好记，但它生效的理论边界，一个字都不能少。”

下午五点零三分。

会议室原本紧闭的木门被推开，人工智能学院负责科研统筹工作的副院长迈着快步走了进来。

他显然已经在办公室里，从负责协调的李原那里看过那份简要的测试结果报告，脸色带着掩饰不住的振奋。

进门后，他没有先去研究白板上那些犹如天书般的公式，而是直接走到幕布前，把A、b、c三套压缩模型的公开测试数据和刚刚解密的隐藏结果，仔仔细细地重新看了一遍。

“这三套基准模型，还有那份杀伤力极大的隐藏集，权属方面有没有遗留问题？”副院长最先确认的是资产归属。

“这三套模型都是由我们院内的横向项目组从头独立训练的，代码和权重完全归属南大。”李原立刻汇报道，“训练数据已经完成了脱敏处理和授权范围确认。

至于那份隐藏集，从样本标注、版本哈希冻结，到刚才唯一一次独立调用的全过程，都有带有时间戳的完整审计记录。

毫无破绽。”
本章未完，请翻下一页继续阅读.........