的类别当中。”这种方法对爬虫和数据收集非常友好，可以用以将大量的杂乱文本分门别类。

    “命名实体识别！在长文本当中，识别出分别代表人名、地名、组织名称、时间、日期等实体信息，抓取这些特定的属性也是一种常见的需求。”

    孟繁岐每提及一项任务，背后都会有对应的对比图表出现，数据和实验结果详实，令人惊叹。

    这些都是谷歌在类似任务上的大量积累导致的，在这些方向上经年累月的投入，环境和流程非常成熟，使得孟繁岐在t方法构建出来之后，可以迅速地加入这些流程当中去迭代实验。

    辅以各路同事的帮助，加上上千张最新款的泰坦Z，实验速度大大加快。

    倘若让孟繁岐自己做完这些实验，至少也得埋头做到今年年底才行，绝不可能此时就已经得出结果。

    “求求了，我孙咲川求求你别再发布了！这样下去兄弟们马上毕不了业了呀”最开始的时候，自然语言和语音领域的AI研究者们是很期待孟繁岐加入进来的。

    毕竟孟繁岐在图像领域的这大半年，妙计频出，使得整个领域那是欣欣向荣。

    当然了，最最关键的还是老大难的落地问题被解决了，去年YoLo系列让白度赚了好大一笔。年初人脸系列也已经全面开始落地。

    技术能落地，才会有资本青睐，搞这方面技术的人当然身价也会水涨船高。

    目前为止，在人工智能领域坚持了好几年的人，在早些时候都曾经被人说过，类似于“这个领域没什么前途”，“根本赚不到钱的”之类的话。

    可现在，YoLo系列和人脸系列大规模投入使用，视觉算法背景的人才薪资待遇那是原地起飞。

    自然语言和语音领域的父老乡亲们都盼着孟繁岐来呢，来了之后，给兄弟们搞几个大大的落地技术，那就翻身了！

    结果没有想到，翻不翻身先不说，来了之后先把在读学生们就都给牺牲了！

    这简直就是鸡犬不留啊！但凡是自然语言里稍微有点体量的方向，都让这小子把性能榜单给刷爆了。

    每有一个领域被孟繁岐提及，就有几百个相关的研究生或者博士生绝望地闭上了眼睛。

    如此惊人的性能，搭配上全新的结构，那压根就是你没玩过的船新版本，意味着他们手头上的大部分工作都没有继续下去的价值了。

    一切都得从头开始。

    而领域尚未被提及的那些人，也惶惶不可终日，心中备受煎熬。
> --