跟风写一个年终总结，迟了几天，属于错峰写文了。

引言：身份的焦虑

此段是我看到@milkice的2021年终总结关于评价能力指标的问题，有感而发，再加上之前读了一本书叫《身份的焦虑》，觉得这本书有回答这个问题。这本书的主要论点如下：

• 一个人焦虑是一个人的问题，所有人都焦虑就是社会问题
• 现代社会的阶级流动性好，与历史上任何的时期相比都是
• 大家都认同“世上无难事，只要肯登攀”这样的理念
• 潜台词就是“如果生活不好/社会地位不高，原因就是不够努力”
• 人总是喜欢与一些和自己地位相近而又略高的人比较
• 因此大家越来越焦虑
• 但是其实这并不合理，因为社会地位影响因素太多了，而大部分并不是努力能够改变的

这本书其实还有提出一些解决办法，但是我个人觉得实在是有点玄学，就不在此列出，感兴趣的可以去看。

我出生在并不富裕但也并不贫穷的家庭，可以说我的家庭比相当多的人家庭条件还是要好上一些的，然后家长也比较重视教育，使得我能够享受到很好的教育资源，从小学中学直到大学。因此毫无疑问的是我已经比绝大多数人，所谓的“芸芸众生”要好上那么一些，然而我并不能摆脱这些“焦虑”源泉，经常能在各种地方看到各种各样的大佬，每一个都可以顶礼膜拜好多天。

所以如果一定要量化一个评价标准的话，我个人认为应该将一个人的各种“评分”Normalize到一个相同的平均值和标准差，再来评价一个人所谓的“努力程度”。

我所在的计算机系已经属于努力和成绩比较接近线性的学科了，我觉得我应该为此感到庆幸。

回顾

上一次写年终总结已经是2018年了，那个时候我是高二，现在是大二，三年过去了。2018年的时候我在用typecho写博客，还维护一个我自己重构的主题，2020年高考完重建博客的时候换用了Wordpress。2018年的时候想考去中科大少创班，想着2019年6月考完就解放了，还可以去USTCLUG，结果造化弄人，6月考完得知落榜的第二天，我就收到了清华的一本优惠，然后造化继续弄人，2020年自主招生就取消了。然后我就到了哈工大深圳。现在想来，也不算是遗憾了，命里有时终须有，我在计算机系能够找到我热爱的事情，希望以后能一直热爱下去。

博客

首先是2021年本博客的一些数据和统计，全年访客共5889人，访问页面数11042。2018年的时候因为维护主题，也有4000多的访客量，但是跳出率很高，也就是大多数人都只看一个页面就走了。（以及下面这张图的跳出率是错的）

数据统计用的是umami，符合GDPR。显然5月份写的《现代处理器》因为在V2EX上宣传了一下，带来了很多的访客。全年访问最多的也是它，有2.09k的访问量。Referer最多的是Google，有3.15k的访问量。

2021年的博文一共写了36703个字，写的还是《现代处理器》，有9075字。到目前为止，博客一共发布了46k个字。

野鸡运维

2021年维护了一堆又一堆的机器，有自己的，也有学校的

最长的uptime是一个代理机器，有一年24天，前两天重启了，截个图纪念一下

2021年持续运行的服务有：

• Gitea 自建的Git服务
• RSSHub 将网页转化为RSS

申请了一个ASN号，成为了HostUS受害者，但是目前为止基本处于荒废状态，DN42里也注册了ASN，但是至今也没有Peer。2022年希望能有时间玩这个吧。

GitHub

2021年代码量前4的Repo

2021年使用最多的语言，看来我写了很多Go。C++主要是那个ASC练习题，Zig主要就是Zesty-Core这个玩具操作系统。

2021往acme.sh交了PR，还往podman交了PR，虽然只是一个小改动。

实习

暑假出去实习了，因为暑假没事干很无聊，因为老师建议尽早实习感受一下。当时投递的是高性能计算岗，先是笔试考了一些简单知识，还有几道算法，然后是电话面试，基本上是问简历上写的项目和几道算法，我感觉我答得也不算好，因为我本来不搞OI，算法设计这门课也还没上，所以好多算法都不知道或者写错了。

最后还有一个实际项目的测试，是五一的前两天做的，要求写一个矩阵乘法，还有一个“生产者-消费者”模型。这个应该是我第一次写SIMD的intrinsic，最后矩阵乘法的效率应该也没有多高，好像大概是10%左右吧，当时没有分析达到了峰值性能的多少，还被导师指点了一下。后来我也有参考别人的做法自己写，能够达到50%左右的效率，和OpenBLAS差不多了，MKL在当时那台机上能达到70%，真不知道英特尔是怎么写的。“生产者-消费者”模型就是要求用Redis的队列实现，Redis我直接用了个C++的库，大概写的差不多就交了。

最终还真过了，然后7月初开始就去实习了，一直到8月20号左右。在公司做的是JPEG实时解压这个方案的调研，结果是花了6核的CPU才能做到30帧，毕竟要解压JPEG成YUV420，然后再通过一个已有SIMD的库变换成为特定视角的图，我通过每帧流水线式的并行解码达到了30帧，但是当时leader觉得这个方案计算量还是太大，不知道最后有没有用上。

竞赛

2021年其实参加了三个竞赛，如果把1月截止的ASC20-21也算上就算是四个竞赛了。3-4月份跟着某位大佬去华为的软件挑战赛，结果卷不过别人，拿了个三等奖。然后就到了暑假，暑假一边实习，一边做CPC的初赛，还有IKCEST的初赛和复赛。IKCEST我们两个人都是不是做CV的，比赛还有性能要求，只好现学现做，甚至搞上了TensorRT这种东西。

CPC那边得益于两个给力的队友，成功去了现场的决赛，还拿到了银奖。初赛的时候两个队友在上小学期的CPU设计与实践，我主要抄论文写汇编计算核，队友写分块保证正确性。复赛的时候变成了大项目，其实时间也不是很多，基本上是刚刚好把能做的初步优化都做了，然后就到了决赛了。有些队伍做的算子融合我们都一个都没做，不过这次比赛让我知道了先做Profile再做优化的重要性，还有接下来的ASC可能要引入自动化测试，免得像CPC那样决赛前一天晚上大家通宵解决正确性问题。

社团

2021年春天我有想法做一个镜像站，问了几个老师和同学，就变成了组织一个Linux用户协会这种类型的社团，可惜我一无建立社团的经验，二无宣传拉人的经验，所以镜像站建起来一个雏形以后就没有接下来的动作。直到秋天21级的本科生进来了，突然有了很多志同道合的小伙伴，于是就很快有很多的人，还搞了两场Talk，虽然都是@萝佬讲的。希望LUG能越办越好，毕竟大家都卷AI在我看来也不是什么好事。

放一个LUG徽标在这里

2022展望

首先是希望ASC22能进决赛（小小的愿望都不可以满足吗），今年队友都很好，学校也是给了很大的硬件支持，自己的水平经过一年也有所提升，希望今年能圆梦ASC吧。

然后希望ASC的工作能像清华他们那样写一篇论文吧。

另外秋季学期的课程学得不是很认真，希望春季能在兼顾竞赛的同时学好课程吧，能把学分绩卷上去一点，俺也要保研名额！

题图来自@mrthetrain，感谢

这是我的概率论小论文，是经由《如何选择心仪对象》启发，加入了一些我自己的想法和论文查询，经过重新排版以后发布到博客上。如果你希望看由Latex生成的PDF，可以在这里找到。

问题背景

最近我阅读到了一篇文章，描述最优停止理论在研究生导师选取上的应用。文章使用了经典麦穗问题的结论，我认为对于这个场景，有更合适的最优停止策略。

想象有以下情景：某同学在参加保研面试。面试之前他与这些老师互不了解，聊完之后他对老师们有了自己的评价；但出乎他意料的是，每个老师在面试结束时都表达出对某同学的满意，当即给出offer，并要求他现场决定是否接受。某同学只有一次选择机会，offer接受后不能再反悔拒绝，拒绝后也不能再反悔接受。在这样的情境下，这位同学该如何在他们中选出评价最高（即最喜欢）的一位呢？

此类问题其实是非常古老的问题，被人们研究了很多年了，策略通常为“观望-选择”，因主要研究最佳的停止观望时间，此类问题称为最优停止问题。最优停止问题又称麦穗问题、秘书问题、博士结婚问题等，大家应该对以下的故事有所耳闻：

在很久之前，苏格拉底的三个弟子向他请教，问他怎样才能找到自己理想的伴侣。他什么话都没说，直接把三个弟子带到一片麦田里，让弟子们每人挑一根最大的麦穗。做这一切的前提是，不能走回头路，也就意味着他们只有一次选择的机会。

这三个弟子呢，颇有意思，因为他们的选择大不相同。

第一个弟子刚走进去没多久，就摘了一根自以为很大的麦穗，心里不禁洋洋得意。但他越走越发现自己做错了选择，因为后面的麦穗远大于他手里的麦穗。

第二个弟子不同于第一个弟子，他恰好相反，他一直往前走，总觉得最大的麦穗都在前面，所以他看到比较大的麦穗早就错过了。

第三个弟子，也是三个人里比较聪明的一个了，他不慌不忙地边走边思考，然后把麦田分成了三份，走第一段路时，他只看不摘；继续往前走时，他会将现在的麦穗与之前看到过的麦穗进行比对。最后他挑选了一根他认为最大的麦穗。当然，他也是这三人中拿到最大麦穗的人。

对于经典的麦穗问题，最受公认的最优停止时间是麦穗总数N的1/e，也即N/e。以下我们将会讨论这个结论的来源和我们“导师选取”问题的结论。

经典结论

我们将这个问题用数学语言描述：考虑一组N个独立服从[0,1]上均匀分布的随机变量X_1,X_2…X_N然后我们按编号从小到大遍历这些变量，对于每个变量，我们只能做出“保留”或者“丢弃”两种选择，并且我们只有一次保留机会。那么应该如何制定策咯，使得我们选取到最大变量的概率最大？

我们主要关注于一种简单的策略，就是通过某种方法设定一个阈值c，在选取过程中一旦出现值超过阈值c的变量，那么立即选取。很自然地有这样一个策略：对于前m个变量，我们一律不选，对于从m+1号开始的变量，一旦有比前面更大的变量，我们就立即选取。这种先观望，后选取的策略，以下称为m策略。

现在讨论如何选取m的值。

对于某个特定的m，如果最大值出现在第i个位置，m策略选取到最大值的概率为

\begin{aligned}
P(m,i)=
& 0 & {i \leq m} \\
& \frac{m}{i-1} & {i>m}
\end{aligned}

所以如果我们使用m策略，成功选取到最大值的概率为

\begin{aligned}
P(m) &= \sum_{i=m+1}^{n} \frac{1}{n} P(m,i) \\
&= \frac{m}{n} \sum_{i=m+1}^{n} \frac{1}{i-1}
\end{aligned}

当n和m都较大的时候，令r= m/n，可将上式右侧的调和级数近似为ln(m/n)，可得：

\begin{aligned}
P(m) & \approx \frac{m}{n} \ln\frac{n}{m} \\ \Rightarrow P(r) & = -r\ln r
\end{aligned}

求导得：

\begin{aligned}
P'(r) = -1-\ln r
\end{aligned}

当r=1/e时，P'(r)=0，P(r)达到最大值1/e

所以对于麦穗问题的m策略，m的最优值就是N/e（取整数）。

然而，选取研究生导师和麦穗问题还有不同之处：1) 我们并不需要选到最好的导师，只是希望选取到好的导师。2) 我们不能允许我们糟糕的选择策略使得我们没有导师！

导师选取问题

首先用数学语言描述“导师选取”问题：对于N个导师，我们有主观评价分X_1,X_2,…,X_N，然后我们希望通过某种策略选取导师。这种策略应当使选取的导师的评价分的期望尽可能高，同时也能保证我们能够选到老师（有学上）。除此之外，在现实中，评价导师并不能使用量化的分数，而只能通过比较，认为某导师较好。因此，我们设定虽然每位导师都有评价分X_i，但我们选择的时候并不能得知具体的分X_i，而是只能得到导师评价分之间的关系。

因此我们无法使用任何动态阈值或使用不同于任何导师评价分的阈值。我们只能使用类似m策略的方式，为了区分，下称t策略。t策略是指通过遍历前m个导师确定一个阈值t=max{(X_1,X_2,…,X_m)}然后从第m+1开始，只要某导师的评价高于t，那么立即选取该导师，如果直到第N-1位导师都没有找到评价大于t的，那么选取最后一位导师。

我们希望选取合适的m使得最终我们选取的导师的评价分的期望尽量的大。

首先我们计算阈值t的分布函数

\begin{aligned}
F(t) &= F_{max}(t) \\
&= P(\max(X_i) \leq t) \\
&= \prod P_i(X \leq t) \\
&= t^m
\end{aligned}

由此可以得到阈值t的概率密度函数

\begin{aligned}
f(t) &= F'(t) \\
&= m t^{m-1}
\end{aligned}

对于确定的阈值t，有两种情况：1) 我们成功选到了心仪的导师。 2) 我们只好选了最后一位导师。

分别有概率

\begin{aligned}
P_2 &= t^{N-m-1} \\
P_1 &= 1 - P_2 \\
&= 1 - t^{N-m-1}
\end{aligned}

而这两种情况对应的评价分的期望为E_1 = (1+t)/2，E_2 = 1/2

于是我们可以计算出对于确定的m，选取导师的评价分的期望为

\begin{aligned}
E(x) &= \int_{0}^{1} f(t) (P_1 E_1 + P_2 E_2) dt \\
&= \int_{0}^{1} mt^{m-1} \left[ \frac{1}{2} t^{N-m-1} + (1-t^{N-m-1})(\frac{1+t}{2}) \right] dt \\
&= \frac{2m+1}{2(m+1)} - \frac{m}{2N}
\end{aligned}

当期望E(x)最大时，有

\frac{\partial E}{\partial m} =\frac{1}{2(m+1)^2} - \frac{1}{2N} = 0

解得

m = \sqrt{N} -1

可见如果我们希望以期望为指标，那么我们的最优停止时间将是\sqrt{N}-1。也就是从第\sqrt{N}位导师开始，只要出现比前面评价分高的导师，我们就立即选取。

讨论

我们发现，麦穗问题和“导师选取”问题的结论其实有很大不同，分别为m=N/e和m=\sqrt{N}-1。这里显然有一个增长速率上的差异。当N足够大时，按照\sqrt{N}-1进行的策略需要观察的元素数量远小于按照N/e的策略。

这是因为选择到最大元素X_k要求在[1,k-1]的元素中，我们选定的阈值c既是[1,m]中最大的，也是[1,k-1]中最大的，这样的情况下要求我们选定的阈值较高，才更有可能选取到最大元素。而在按照期望为指标的策略中，我们并不需要选取最大的元素，而是期望较大就可以了，因此需要的观望次数也较少。

现实生活中有许多可以应用最优停止理论的地方，其中有相当一部分并不完全符合经典麦穗问题类的前提，而是与本文提出的修正情况相符合，因此本文得出的结论具有一定的现实意义。

结语

当然以上提出的情景和我没有任何关系，因为我在写概率论论文，没有导师给我发offer。希望我能够有应用这个结论的场景，因为这意味着我至少不会失学了。同时也祝愿所有同学都不失学，并且能找到对象。

参考

• 如何选择心仪对象
• The Duration of Optimal Stopping Problems
• 麦穗理论|不求最好，但求合适

此演讲稿经授权首发于本站，任何转载或引用需署名并保留原文链接。

强调大学之义有其现实因素。青年兴则国家兴，青年强则国家强。提高青年学习和奋斗的自觉性是谈论大学之义的原因之一。大学前奋发图强，大学后碌碌无为，乃当今大学生的常态。我所属大学在广东乃至全国的分数都不低，工科亦属中国第二，世界第四；但是身边许多大学生仍没有自己的人生目标，入大学如出狱般无拘无束。我们学院衡水中学进来的十数名学生，以其分数若在广东，实是清北之材；但他们的大学成绩排在倒数，只因大学后早上旷课，晚上喝酒，学业荒废。“衡水模式”之弊在于，过度注重时间管理和考试，以至学生没有空余时间来思考人生真正的意义，发掘自己真正的兴趣所在，让学生变成了在高压管理制度之下随波逐流的机器。但这样的惯性在大学无以为继，因为上大学后，没有衡水的老师家长推着学生学习。只有想通了上大学的意义，在大学才有动力去奋斗。

谈论大学之义的必要性之二，在中国经济发展对大学生的专业选择提出了新要求。现在某些职校生比普通大学生更容易就业。这主要是因为经过改革开放，社会经济条件产生巨变。四十年前“唯学历论”盛行，因为彼时大学生很少，能上大学的往往在智商上，自觉性上，更胜他人；现今大学生很多，除“物以稀为贵”的影响外，当下中国不再是四十年前敢闯敢拼就能干出一番事业的社会。生产力的提升与社会分工的日渐细化互为因果，而分工细化导致在大学综合水平相差无几的情况下，选择一个好的专业比一所名气更大的大学，对人生的影响要更为正面。转行在当下显得不那么容易。一个学化学的学生如果从来没有接触过计算机，完全不知道计算机的体系架构和组成原理，那么他将无法满足企业的需求。倘若他想对计算机基本原理了解个大概，则需要许多时间；若要精通则又要数年时间。企业几乎不可能聘用一个不熟悉业务甚至可能带来损失的人，因为当下有诸多熟悉业务的大学生可供选择。分工细化和私营企业的增多，私有制经济的蓬勃发展，导致社会“唯学历论”向“唯能力论”的转变。甚至于国企也开始进行整合重组，加强对内部员工的能力要求。现今中国社会需要的是干实事的人，需要的是某领域的专才。以名气为主的大学选择方式日渐式微，而只有想清楚自己上大学的真正原因，青年学生才能正确选择专业，发展特长，过属于自己的人生。

“大学之道，在明明德，在亲民，在止于至善”。私以为今日之大学，也应承大学之道。中国大学是青年学生提高知识水平的地方，是青年学生培养专业能力的地方，也是青年学生提高思想觉悟的地方。欧洲最初的大学是一帮知识分子为了摆脱教会的束缚，为获取学术自由，为讨论学术观点聚集而成的组织，后来逐渐演化为教育机构。故当今大学担负两个责任：一是教书育人，即培养本科生和研究生；二是研究考察，即探索世界，发掘知识。二者之间，孰轻孰重？从大学的发源上讲，研究考察为重；从大学承担的社会功能来看，教书育人为重。教书育人一是传授知识，而是建设思想。传授知识必非纸上谈兵，空有理论；而是理论与实践相结合，以提高学生的动手能力为首要。目前中国大学有延续高中填鸭式教育的现象，而缺失技能的培养。直接证明即中国大学普遍不重视实验，没有像美国大学那样的课程大作业。所谓“大作业”就是实践过程，要求学生利用学到的知识做出实际的东西，包括但不限于社会调查研究（社会类学科课程）、可运行程序（计算机类）、对某个数理化问题的探究结论（数理化课程）等。这些大作业不只是对创新性的培养，也是对技能的培养。如果不上机写程序，C语言课教的永远只是理论上的C语言；如果不做问题探究，不做实验室里的实验，化学永远只是纸上的化学，生物课也不能教会学生怎么制造生物试剂。除传授知识和培育技能外，大学的目的既然是培养中国之栋梁，非外国之栋梁，那么仍需要对学生进行思想建设，培养家国情怀和社会责任。综合而论，传递知识、技能、思想这三点共同构成了大学在青年学生的人生中扮演的角色。

“见贤思齐焉，见不贤而内自省也”。很多人知道在大学能见天下贤士，拓展自身见识，即大学相比高中能为青年学生提供更加广阔的视野和资源。人们觉得这就是上清北的好处，即能够见识到全国各地最顶尖的学生。这样的说法正确在于北京的确有最顶尖的人才和学生，错误在于认为其他大学没有顶尖的学生。此种认识的根源在于“唯分数论”，在于单一的人才评定标准。其谬误在于以高考成绩作为评价学生是否优秀的唯一标准，而在当今中国“唯学历论”向“唯能力论”转化的情势之下，显然是站不住脚的。鼓励上清北的真正原因在于清北作为首都学校，拥有全国最丰富的资源。这一点从每年国家的经费拨款就能看出来。但资源丰富不代表任何人都能享有，在人类社会中存在资源向少数集中的趋势，大多数勉强上清北的学生会被边缘化。我自己在理学院的成绩排名第四，但如果放在计算机系则排不上号。正因如此我在理学院给辅导员和教师提的意见大部分都得到采纳；而我在计算机课上提的意见基本均被无视。做机器学习需要专门的显卡，我作为理学院的学生向老师申请就能拿到6张；而在计算机学院则根本找不到这样的渠道。同时，资源也包含教师资源——这体现在专业选择上。对要学人工智能和机器学习的学生，最优秀的选择是南京大学，因为南京大学有全国最顶级的教授周志华，南京大学的人工智能学院也是他亲手筹办，课程设置和培养体系可谓是全国典范。所以要知道具体上哪所大学，必先了解该大学具备的资源，包括硬件资源和教师资源，而不可人云亦云。即专业比学校更重要。

专业选好了能保证学生的知识水平和在社会上的被需要程度，但这只是大学里第三重要的。第二重要的是能力的培养。这里能力广泛地指在学科领域的能力，在人际交往上的能力，在自我管理上的能力，在深入思考社会问题上的能力等。由于“唯能力论”的当下社会要求，只知学习与工业需求脱节的大学课程是行不通的。这也是当下这么多人选择读研的原因。读研热潮的根本在于本科无法锻炼业界真正需要的能力，只能把出来工作的时间往后拖延，期望读研时能够学到更多实践能力。其实这纯粹是空想。在中国，知识的传授方式沿袭苏联的灌输式传统。研究生唯一的优势就是项目和实验做得多，即动手实践机会多。那么为何不在本科就更多地进行实践活动？“纸上得来终觉浅，绝知此事要躬行”。能力是在实践中培养的，真正的知识也是在实践中获取的。比如在学微积分这件事情上，如果一个人终其一生均是平凡的屠夫，那么学微积分对他无半点大用。只有成为工程师，成为数学家，成为物理学家，把不论是所谓思维方式还是微积分本身在生活中真正地实践出来，才算是真正懂得了微积分，微积分才算是真正地影响了他的人生。但实践需要平台和资源，所以在大学要跟对导师，要主动跟导师做项目。导师的作用就是给学生实践的机会。同时实践并不仅限于学科领域的实践，也涉及到人际交往的实践，社会活动意义上的实践如义工活动等。这一点每个青年学生须自行发掘其中方法，但首要是形成这样的认识，即提升自我能力的迫切需要，而非践行“大学享乐主义”。

思想是行动的指南，在大学中最重要的正是青年学生的思想。为什么人当为国奉献？如果想不通这个问题，青年学生必不能发自真心地为人民服务。从人类物质与精神追求的关系来看，物质富足的人必然要寻求自我价值的实现，否则内心就会感到空虚。为人民服务正是青年实现自我价值的最好方法。当个人在群体中奉献自我，他才会感受到社会认同。人生的意义只存在于人类群体当中，而不存在于个人；或者说只有当一个人置身于社会之中时，他所做的除开谋生之外的一切事情，才能够说是有意义的，因为人对意义的感知正是在群体当中发源的。古代无数文人志士为民请命，正是此种奉献精神的体现。从个人成就的来源上讲，每个人生活在社会中，他们所取得任何成就都不仅来源于他们自己。现代互联网大亨的成功更多是国家政策的扶持，是当今中国的经济条件给了他们机会，而这个条件是全体人民共同劳动的结果。如果没有大家的共同劳动，社会生产力就不能得到提升，互联网就没有市场需求，他们就不会成为富翁。同样，学生享有的教育资源是所有老师和学生共同努力建设的结果，也是国家政策扶持，社会群众支持的结果。学校的钱来自于国家，国家的钱来自于纳税人，而纳税人就是全体劳动人民。因此人不回馈社会则与“不孝子孙”同，任何人特别是青年学生，应当以服务社会为己任。这在学生的身份上落实正是服务老师，服务学生。看见学校的课程办得不合理，青年应当勇于提出建议；看见其他学生对专业的就业方向感到迷茫，有能力的可以主动站出来为其他人开设讲座，解除疑惑；没打过竞赛的学生在赛前感到无所适从，有经验的学生可以主动请缨传授自己的方法，也可以像学院老师建议请业界工程师前来开讲；学校某些政策制定不得人心，青年学生也应当站出来维护公理。为人民服务的方法除此之外仍有许多，但以形成其意识为首要。

“路漫漫其修远兮，吾将上下而求索”。认识到位了，更重要的是行动。所谓“知行合一”，知而不行则不为真知。“行”是唯一“知”，实践出真知。在繁忙的高三学业中抽出时间来思考自己的人生价值，思考自己的大学选择，是非常必要的。

作者简介：徐兆彬，2019年广东实验中学南山一班毕业，现就读于哈尔滨工业大学（深圳）理学院，目前成绩排学院第四，曾获BDCI（CCF大数据与计算智能大赛）全国第七名，第九届泰迪杯数据挖掘挑战赛全国二等奖，CCPC（中国大学生程序设计竞赛）威海站银牌，全国大学生数学竞赛黑龙江省省级一等奖，Kaggle平台上两场比赛的第一名。大一入学即进实验室跟随户保田教授做自然语言处理的文本生成领域，目前已向人工智能领域顶级会议ICLR投稿一篇论文。曾任微软俱乐部主席，为学生开展多次竞赛讲座。同时在理学院建立竞赛群体分享竞赛经验，帮学生提升自身能力，明了专业未来发展方向；也曾多次向学院提出课程改革建议并得到采纳。

此演讲稿是经大佬授权首发于本站，希望能够使更多的人得到启发，任何转载或引用需署名并保留原文链接。

这一年都干了些什么

最辉煌的成就（一点也不）只能是New Material主题啦，这个主题大约是年初就开始写了，倾注了不少心血。因为没有自己的电脑，所以电脑端看起来很不怎么样。手机写代码真累~v~
期间还折腾过lnmp的安装脚本，后来发现oneinstack那边已经很成熟了，于是改成提issue了。

博客文章也没写几篇，主要是因为我搭建服务很少做笔记，想到要写博客的时候已经没什么记得的了。

物理竞赛已凉，本以为省一信手拈来，没想到今年出题极难，9月拎了个省二，没啥用，明年估计不会再考了。
明年应该就去中科大了吧，在高中少待一年，“辍学去读中科大”，哈哈哈。
不过也好，早点开始专业课的学习吧，ccna已经快看完了。
希望以后有点钱能做各种实验（买一个C段？）（/48 的IPv6 还是可以的）。
人生愿望是能做一次anycast。
哪怕只够钱一个月也好啊。
说到人生愿望，我就想到当年唐僧…..
呃不，还有一个愿望是能自己完整弹一遍李斯特《钟》，虽然这个愿望有些大。

博客访客统计

2018年网站总访客共4830人，访问量6247人次。
其中4909人次是从别处链接来访的，1243人次直接访问，另外还有可怜的69人次搜索结果访问。
最大的访客来源是typecho.me，3220人次。
第二大的就是Github了，有557人次。
这显然说明，大部分的访客都是来看New Material主题的……
目前唯一的友链南琴浪带来了31人次的访问~v~

新的一年

新的一年还是踏实学习吧，6月考完试应该可以买一台笔记本吧，想要一台xps，就是不知道家里够不够钱（其实我想要mbp）。
到时候可以快快地写博客了，快快地更新主题，然后快快地
部署各种服务吧。
或许还可以找份兼职运维实习一下。
嗯。