肖宿并不清楚学校拿出了多大的魄力想要投资他的项目，他那个用群论构建自监督特征解耦框架的构想，还只是脑海中一个模糊却清晰的雏形。
说是模糊，是因为尚未细化到每一个技术节点。
说是清晰，是因为核心的数学逻辑早已在他心中扎根。
而恰恰是这个雏形，像一把钥匙，意外打开了他对人工智能领域的探索欲。
从前只专注于数学与物理的他，第一次主动将目光投向了这门与数学深度交织、却又能直接作用于现实的学科。
图书馆三楼的专业书籍区，他的身影几乎从未挪动过，靠窗的那张桌子，渐渐成了他的专属领地。
手边的书换了一本又一本，没有刻意挑选，全是顺着群论与ai的关联，随手从书架上取下的核心专著。
起初是《自监督学习：理论与实践》这本书，他的指尖划过书页上关于无监督特征提取的章节，眉头微蹙，偶尔在草稿纸上快速推导几句，将书中的算法逻辑与群论定理相互印证。
接着是《群表示论在机器学习中的应用》，这本书恰好贴合他的课题方向，他看得格外专注，连翻页的速度都慢了几分，却也仅仅用了半天时间，便将书中的核心内容尽数吸收、消化。
紧接着是《深度学习中的数学基础》《特征解耦与表示学习》《李群机器学习》《ai大模型的底层逻辑与优化》，甚至还有一本偏向应用层面的《自监督算法在计算机视觉中的实践》，都被他一一翻阅完毕。
这些书，有的侧重理论推导，有的侧重工程应用，有的晦涩难懂，即便是深耕ai领域的博士生，也需要花费数周甚至数月才能啃透一本，可在肖宿这里，快的却仿佛只是一场简单的知识梳理。
他翻页的速度很快，却能看出来不是简单浏览，每本书的重要章节和核心区域，他都会重点核算转化，草稿纸上写满了密密麻麻的推导公式，将书中的理论与他构想的课题巧妙衔接。
也将零散的知识碎片，一点点拼凑成了独属于他的完整知识体系。
不过短短两天时间，图书馆里与自监督学习、群论应用、ai数学基础相关的核心专著，肖宿都已经看了个遍。
他的大脑就像一个高效的处理器，快速吸收着书中的知识，再结合自己的数学积累，将其转化为自己的东西。
那些原本看似独立的学科领域，在他心中渐渐织成一张严密的网，将群论的严谨结构、数学物理的逻辑思维，与ai的算法需求、实践应用，完美地串联起来。
这世上，太多人感慨写论文难，抱怨没有创新思想，却很少有人意识到，创新往往建立在足够的知识积累之上。
所谓“读书破万卷，下笔如有神”，放在学术研究中，同样适用。
大多数研究者卡在论文的瓶颈，或许不只是缺乏灵光一闪的创意，更在于知识储备的浅薄。
没有足够的阅读量作为支撑，即便有了想法，也无法用严谨的理论佐证，更无法拓展思路、完善细节。