主持人简短地走了个过场，就轮到了周昀。
他拉了拉衣角，带着电脑从容上台，会场内的灯光柔和地聚焦在讲台上，调整了一下麦克风的位置，
身后的巨幕亮起，出现了论文标题，不过下面的作者一栏只有两个名字，一个是周昀，另一个就是邓永华，这在所有的论文分享中都是不太常见的。
台下，看着如此年轻的周昀，不少人都感觉十分诧异，他们低头翻阅起会议手册，这上面有周昀工作的简单介绍。
前排靠着过道的位置，何凯明静静地坐着，这篇论文就是他审的，当时他就对周昀挺感兴趣的，
后来结果公布的时候他还特意看了一眼周昀的学校，没想到是国内一所不知名双非，
国内的科研环境不说很差，但也绝对称不上优秀，不然他也不会在it任教，能在这样的环境下完成这样的工作，这让他对周昀的兴趣更大了。
“大家好，今天我将介绍我在高效边缘智能推理方面的工作，agileed，当前边缘设备上的ai模型推理的核心问题在于：波动的带宽、异构的计算资源、以及多样化的延迟约束。
这也就导致了现有的静态模型压缩方法或者资源分配策略，往往无法实现全局最优，甚至在变化的环境中表现糟糕”
周昀一边介绍着自己的工作一边观察台下人们的反应，前排的何凯明他自然是一上台就看到了。
他也没想到这样的大佬居然会亲自来听他的报告，一时间还有点受宠若惊。
大概讲了一分钟，他就有点进入状态了，完全沉浸在了自己的思路当中。
台下的人都听得非常认真，时不时还在手里的本子上记录着什么。
十几分钟的时间过的飞快，周昀的汇报很快就进入了尾声：“……综上所述，agileed为edai提供了一种高效、自适应的协同优化解决方案，
能够在动态的边缘环境下，尽可能地保留模型原有的性能，谢谢大家！”
随后朝着台下微微鞠了一躬。
接下来就是q≈a环节。
坐在前排的何凯明举起了手，周昀自然不可能当作没看到。
“何教授，您请问。”
工作人员立刻小跑着将麦克风递了过去。
坐在后排的人这才发现，提问的人居然是何凯明，一时间，所有人的目光都聚焦在两人身上。
何凯明接过话筒微微点头：“很有趣的工作，事实上我之前就已经看过了这篇文章，agileed在模型的压缩算法上的设计思路非常巧妙，
但是我有一个问题，你的压缩算法是基于ai调教ai的思想，那你该如何保证用于调教ai的ai做出的决策是最优的？
这个负责调教的ai，其鲁棒性又由谁来保证和监督？如果是这样的话，是否又需要一个ai来负责监督，这样是不是会陷入一个‘无限递归验证’的循环？
那么你如何在理论上保证这种‘自我优化’过程的收敛性和可靠性，而不仅仅是在你的实验数据上表现良好？”
其他人听到这个问题都不由地感叹，不愧是大佬，提出的问题总是这么尖锐。
如果周昀无法回答这个问题，这篇文章的严谨性就会受到质疑。