件层面的，不管怎么设计，其终究都是受限于物理设备，
但是在我看来，如今的算法还远远没有触及到现有物理设备的上限。”
听到这里，一同参加面试的四位学生已经有点麻了。
满脸的问号已经不足以形容他们的懵逼。
他们脑子里不由得同时发出灵魂三问：“我是谁？我在哪？我要干什么？”
这还是双非吗？
不光是他们，其实就连邱彦和沈瑞都有些唏嘘，虽然暂时周昀还没有讲到具体的算法，
但是光凭前面这些，就能看出来他在ai方面的功底不差，论文估计也没少看，不然就邓老师问的第一个问题，他就答不出来。
两人心里不约而同地冒出一个想法：“新来的学弟，有点狠啊！”
要说现在最淡定的就是邓永华了，毕竟像周昀这种自带方向进组的学生他也见过不少。
“ai调教ai？听上去确实挺有意思的，但是想要实现起来恐怕不是那么容易的吧？”
“没错，复杂的ai驱动的决策过程本就是一个“黑盒”，这也是其中最大的难点之一，所以我设计了这套agileedge框架，尽可能地去避免这些问题。”
手指轻敲键盘，将ppt翻到下一页，也是这次汇报的核心内容，agileedge的框架图，虽然代码一行没有，但是只要逻辑上能够说服老师就够了。
“这套框架主要都是基于attention，也就是transformer，虽然其存在计算量大的问题，但是毫无疑问，这是现阶段所有深度学习的核心基础。
agileedge的作用概括来说就是两个字——打包！ppt上所展示的是agileedge最为核心的三个组件，分别是：
感知与状态编码层，它的作用是收集并预处理来自边缘环境的原始、多模态数据，
ai协同优化决策引擎，采用分层强化学习架构，实现大模型的缩小，
执行与反馈层，将缩小的大模型打包到相对应的边缘环境中。
最终达到ai边缘部署的目的，理论上来说，无论什么样的大模型，经过这一流程都能被塞到边缘设备中。”
邓永华看着大屏幕上的ppt思考了一会儿，缓缓开口：“我有一个问题，
既然agileedge框架具有高度的自适应性，它有没有可能会在运行时为了