这话传进米勒教授耳中，他丝毫不觉得有什么不妥，反而脸上的笑意更浓了。

他早就见识过李傲在算法层面的惊人天赋，那几乎是一点不比理论数学逊色，因此对方能这么快跟上图表示学习的概念，在米勒看来完全是理所当然的事情。

这也正是为什么他在得知参与图同构项目的李傲还在校内时，会表现得如此热切，甚至不惜亲自出面相邀的原因。

米勒看重的，就是李傲在图算法上的顶级直觉与水平。

虽说眼下只是让其负责不变量训练目标的宏观判断，但一个懂得底层图算法的行内人，效率肯定要比纯粹的外行高得多。

“有收获就好。”

米勒教授拍了拍他的肩膀，笑着勉励了一句，便准备转身离开。

而李傲像是突然想到了什么，出言将人喊住：“请等一下，米勒教授。”

“哦？还有什么别的事要跟我说吗？”

米勒教授闻言立刻停下脚步，转过身和蔼地问了一句，脸上没有流露出任何不耐烦的神色。

对此李傲也没有卖关子，稍微组织了一下语言，便讲出了自己在听组会时察觉到的隐患：

“是这样的，米勒教授。我觉得卡普兰教授刚才提出的担忧，咱们确实应该重点考虑一下。

“以我对群作用不变量的了解，目前的这套约束框架，恐怕很难直接无缝应用到无监督表示学习里，除非……我们对现有的训练目标进行深度的改造与重构。”

在【模型分析】与【抽象思维】的加持下，配合自身扎实的图算法基础，他方才在脑海中已经对不变量约束做了一番推演。

李傲很清楚，现有的群作用不变量约束，核心目的主要是为了兼容图同构判定和候选映射筛选。

如果直接硬套在无监督图表示学习上，显然并不适配。

除非能重新构建出一套代理训练目标，让算法专门为结构表示服务。

米勒教授听完，自然听懂了李傲话里的深意，不过在短暂的权衡后，他还是笑着摇了摇头：

“Leo，重新构建一整套底层的训练目标，这绝对不是短时间内能够完成的工作。

“如果后续群作用不变量的路线验证失败了，我们会考虑另外更换方法，去重新搭建图表示学习的框架。”

他们团队目前的核心攻关内容，本就是在无标注网络中训练出稳定可迁移的结构表示。

利用群作用不变量去构造训练信号，不过是诸多技术尝试中的一种。

况且团队上下早就做好了失败的心理准备，自然不可能在早期就专门耗费大量的时间与精力，去为这一条分支路线强行重构出新的训练目标。

李傲把米勒教授的解释全听了进去，尽管明白对方在宏观统筹上的考量，但心底里却不可遏制地升起了一股怪异的荒诞感。

“不过是重新构建一个代理训练目标而已……这种事情，难道很难吗？”

他不由得想到了自己上次为了解决候选映射筛选不稳定的问题，也只不过花了不到一周的时间，就构建出了一套全新的剪枝框架。

虽说眼下这个新目标涉及了更为庞杂的统计学习和图模型等底层理论。

但对他而言，满打满算应该也花费不了多少工夫。

……