除了过年外，她在其他假期是不回去的，因为路费实在是太贵了。

更何况她妈妈也不放假，所以她自己就还不如留在这里打工。

不过这次受伤，她原本计划的十一长假打工计划就泡汤了。

“你原本打算去做什么？”

“有学校和图书馆的工作，然后本来还有学校的惠民超市的工作，但不知道为什么老板突然反悔了。”

閔欣柔回答。

然后她想了想又道：“还有志愿者协会的工作，去西溪湿地当三天讲解员，但工资不高，每天只有21块。”

过成这样还去当志愿者，吴辰又重新审视了一下閔欣柔。

算是面试通过了。

他对閔欣柔道：“以后你不用去做其他的工作了，我次给你两件事，应该要更赚钱。”

閔欣柔眼睛一亮：“什么事？”

吴辰道：“第一件，是每周帮我打扫一次家里的卫生，工资是200块。”

閔欣柔愣了愣。

她还以为吴辰是要让自己做什么软体项目呢。

她斟酌著语气道：“吴老师，我可以每周帮您打扫卫生，您也不需要给我钱，这是我应该做的————”

“第二件。”

吴辰打断她的话道：“之前你已经看过我的论文，其中有几个点，关於word2vec中的负採样优化，你了解了多少？”

閔欣柔没想到吴辰突然就从家长里短转到了专业考核。

不过她並不畏惧。

因为独自呆在出租屋里的日子，她也没有辜负时光，把吴辰的论文几乎翻烂了。

这个问题曾经对她確实是一个难点。

但现在的她很快就能回答出来。

“传统的softma在计算概率时需要遍歷整个词表，计算量很大，但负採样通过隨机选取极少量的负样本来更新权重，把计算复杂度从0（v）降低到了0（k），速度快了一个数量级。”

她回答完后，吴辰没有评价，而是继续提问。

“关於层次softma呢？”

“用霍夫曼树把词表组织起来，高频词路径短，低频词路径长，把查找时间复杂度从0（v）降低到了0（logv）。”

“那skip—gram模型在处理生僻词时相比cbow有什么优势？”

“因为skip—gram是用中心词预测上下文，对於低频词来说，它能获得更多的训练机会————”

几个问题下来，閔欣柔都回答的又快又准，眼睛也亮晶晶的，似乎连脚上的伤痛都忘记了。

她期待的看著吴辰，似乎想要更多。

但吴辰没有再问。

他微笑道：“你的能力我已经清楚了，现在恭喜你，可以加入我的研究组，开始一项伟大工作了。”

“谢谢你，吴老师！”

閔欣柔下意识的想对他鞠躬感谢，但右脚刚一碰到地面，就痛的她嘶了一声。

吴淑芬立即从她大腿上跳了下去，想用舌头去舔一舔她肿胀的脚踝。

但吴辰一脚就將这只碍事的肥猫踢开了。

等閔欣柔也重新坐好后，吴辰再次开口。

“在研究之前首先是待遇问题，一个月我发你1500元，但你必须完成我交给你的学习任务，要是考核不合格也会扣500，这个你同意吗？”

“同意！”

閔欣柔没有犹豫就答应了。

別说她的真正目的是跟著吴辰做研究了。

就单单那1500元的工资，她在梦里都不敢想这么多。

要知道她妈妈在厂里一个月工作好久，才能挣3000多元。

“好，那么正式的研究內容，就是之前我和讲过的人工智慧大语言模型，不过现在要做的，是其中的第一步：分词。”

>