這在以往是無法想象的，雖然這裡涉及到各行各業的程序員數量很多，有做app的，也有做遊戲的，有做美術的，也有策劃在這裡流動，手機行業的軟件工程師這裡也不少見，但從未發生過把什麽手機測評進行置頂。除了一系列的開發者大會外，很難見到有帖子能夠置頂。
　　然而神龍系列系統是個例外。
　　這個基於安卓深度定製的系統，嵌入的名為“朱雀”的私人語音助理，其展現出來的特點，令論壇上的許多人極度震驚，熱切的討論也由此展開。
　　劉洋看了下，大多數的人都是在討論“朱雀”是怎麽實現這種程度的ai，以及如何實現這麽逼真的合成音的。
　　與普通人不一樣，這些行業內的人士，更加關注於技術方面上的問題，許多本身便是研究人工智能的牛人，也一改潛水的風范，忽然從“灌木叢”裡跳出來，抓住幾個失言的家夥便是一陣猛批，嚇得本身“學藝不精”的人，再也不敢隨意說話了。
　　以往佔據了大部分頁面的求助帖，今日也幾乎沒有動靜，縱使有人進行求助，也無人來回答和幫助。大部分的人都進入了置頂帖，在裡面抒發著猜測、質疑、呵斥與噴罵，若是有人與自己的意見不符合，那麽先是平靜的爭論，後面隨著爭論的不斷進行，脾氣火爆的人，率先便破口大罵，以各種語言來問候對方的父母、兄弟姊妹，並強烈懷疑對方的性取向有問題。
　　而被問候了全家人以及十八代祖宗的人，也不會客氣一二，死死咬住對方，以一段只有行內人才能看懂的代碼，親切地回敬了對方的親人。
　　眼看事情越演愈烈，情況朝著不可控制的地步發展，正當雙方爭執不下，管理員準備刪帖之時，所有人忽然平靜了下來。
　　“L”出現了。
　　這個三天前忽然出現，新注冊的用戶，以一件事情，令所有的老人都記住了這個id。
　　很簡單，非常地簡單，三天之前，這個新注冊的新人，以簡潔有力的語言，狠狠地打了一位老人的臉，迫使這名老人不得不承認了自己的錯誤。
　　而這名老人，則是實名認證後的微軟亞洲研究院內的工程師，在論壇享譽已久，很少有人敢於反駁他的言論，就更不用說還能打臉成功，且迫使對方承認錯誤了。
　　就是這麽一件事，“L”雖說才是個沒人權的新注冊用戶，也讓當時眾多圍觀的人記住了這個新id，更得承認了這個人的水平非常厲害。
　　眾多的高手們正集中在置頂帖內爭執，鬥爭白熱化加重之時，一個新的帖子無聲無息出現在了頁面上。
　　新帖子很常見，在論壇的這個版面內，一天發出的新帖子，沒有兩三百，也有一百五，至於回復就更多了。
　　但由於此刻太多的會員集中在了置頂帖內，導致其余的帖子冷寂清清，許久也不見有人回復，直到這個新帖子出現。
　　id:L
　　先不看標題，一眼瀏覽到發帖的id，幾個吵累了的高級id剛出來刷新了下頁面，立刻怔然了一會，馬上想起了三天前的那場爭論。
　　隨後，又想起了另外件事情。
　　那場爭論的焦點便是關於自然語言理解。
　　當時，那位微軟亞洲研究院的工程師，對於一個求助帖進行了解答，其中對人工智能中的自然語言理解，提出了一番自己的見解，贏得了很多人的讚賞。
　　可這個“L”隨即便出現了。
　　毫無廢話，
簡潔有力，以最為樸實的言語，平淡卻極度充滿力量地反駁了那位工程師的見解，且讓對方無法可說，承認了自己的見解有不足之處。這一幕令許多人的印象極為深刻。　　這時一看見“L”的id發了個帖子，就有人忍不住點擊了進去。
　　“測試。”
　　簡簡單單的兩個字，還是那位“L”說話的風格，不予你任何的解釋，就這麽平淡擺放在你的面前。
　　王世界也是三天前親眼見證了那一幕的人，作為移動互聯網的產品經理，他曾在劍橋工程系有過兩年的學習經歷，對於語音識別技術了解很是深入，也正是這樣，他對於這位神秘人很是佩服，佩服對方在語音識別中的自然語言理解上的深厚功底， 那不是一般頂級高手的水平，而是處於金字塔頂尖那層階級的人物。
　　當時見證了那一幕之後，王世界忍不住心中的興奮，當即就私信聯系對方……可惜直到目前為止，他都沒等來對方的任何回信。
　　王世界不無遺憾，估計對方也不怎麽瞧得起自己。
　　嗯，也許不是。
　　以這位神秘人的行事風格來看，更像是淡漠的無視了?
　　這感覺十分的奇怪，猶如走在街上，周圍的商販都在大力吆喝自己的產品時，其中一位商販，就這麽坐在那裡，既不吆喝，也並非那種愛理不理的懶散，而是平靜地端坐在地，就這麽把商品擺放在攤位上，安安靜靜地等待有緣人似的。
　　沒錯，這就是“L”帶給王世界的感覺。
　　確實有點荒唐，有緣人?
　　哈哈，一想起自己這般荒唐的想法，王世界便有點失笑的衝動……但視線僅僅移動到了屏幕的下方，他就再也笑不出來了。
　　標題是“測試”，一進去便真的是測試的題目了，既沒有說明原因是什麽，也沒有任何的解釋與說明，就乾乾脆脆地提出了個題目在下面。
　　“推薦算法?”
　　眉頭越加緊皺，密密麻麻的頁面上，一個構思奇妙的算法洋洋灑灑在屏幕上展現出來。
　　“有點意思。”
　　繼續瀏覽下去，王世界真是吃了一驚，現目前的推薦算法基本便是三種套路，第一是基於內容的推薦(content-basedfiltering)，第二是社會化推薦()，第三則是基於協同過濾推薦()。