听完介绍，陈正宇的目光首先落在了算法天才李明身上。
“李明，我问你个问题。”
“当前在图像识别领域，卷积神经网络，也就是CNN，是绝对的主流。但它的短板也很明显，比如在处理长距离依赖和捕捉全局信息上，存在天然的局限性。”
“你对用在自然语言处理领域的Transformer模型，跨界应用到计算机视觉领域，有什么看法？比如说，后来谷歌提出的Vision Transformer模型，你觉得它相较于CNN，优劣势分别是什么？或者你认为，CNN的下一个迭代方向可能在哪？”
这个问题一出，整个客厅的空气都凝固了。
史俊材和肖云鹏当场就懵了。
卧槽！
宇神不只是懂概念？他懂的这么深？！
这问题也太专业太前沿了吧！
事实上，陈正宇前世对这些都很有研究，只不过还没有来得及深入探究实践，就已经重生了！
他们两个光是听懂问题，都感觉脑子嗡嗡的。
而李明，在听到这个问题后，整个人就像是被电流击中了一样！
他猛地抬起头，厚厚的镜片后面，那双眼睛瞬间爆发出惊人的亮光！
他之前的腼腆和紧张一扫而空，取而代之的是一种找到知己的狂热和激动！
“我……我认为ViT模型简直是革命性的！”
李明激动得脸都红了，语速飞快。
“它完全摒弃了CNN的卷积和池化操作，直接将图像分割成小块序列，然后用标准的Transformer编码器处理，这使得模型能够更好地捕捉全局信息！虽然它在小数据集上表现不如CNN，需要大规模数据预训练，而且计算成本高，但它的可扩展性和潜力是CNN无法比拟的！我认为，未来的方向，一定是基于注意力机制的模型！”
他说完，一脸期待地看着陈正宇，像一个等待老师表扬的小学生。
陈正宇满意地点点头，又将目光转向赵雅。
“赵雅学姐，数据科学家。”
“我们是初创团队，面临的第一个问题，就是‘没米下锅’——数据稀疏，而且标注成本极高。在没有海量高质量标注数据的情况下，你认为我们应该采用什么样的策略来冷启动我们的模型训练？比如在无监督、半监督学习，或者数据增强方面，你有什么具
本章未完，请点击下一页继续阅读！