十年前，MSRA的夏天，剛開始嘗試機(jī)器學(xué)習(xí)研究的我面對(duì)科研巨大的不確定性，感到最多的是困惑和迷茫。十年之后，即將跨出下一步的時(shí)候，未來依然是如此不確定，但是期待又更多了一些。這其中的變化也帶著這十年經(jīng)歷的影子。

起始：科研是什么

我從大三開始進(jìn)入交大APEX實(shí)驗(yàn)室，有幸隨著戴文淵學(xué)長(zhǎng)做機(jī)器學(xué)習(xí)，當(dāng)時(shí)的我覺得“機(jī)器學(xué)習(xí)”這個(gè)名字十分高大上然后選擇了這個(gè)方向，但是做了一年之后依然摸不著頭腦，心中十分向往可以做科研，獨(dú)立寫論文的生活，卻總是不知道如何下手。

文淵在我進(jìn)實(shí)驗(yàn)室的一年后去了百度。當(dāng)時(shí)還沒有得到學(xué)長(zhǎng)真?zhèn)鞯奈?，開始了我科研的第一階段，從大四到碩士的第二年，期間一直自己摸索，不斷地問自己 “科研是什么”。

和課程作業(yè)不同，學(xué)術(shù)研究沒有具體的問題，具體的方法，具體的答案。文淵的離開讓我一下子不知道該怎么做，當(dāng)時(shí)的我的想法很簡(jiǎn)單，快點(diǎn)尋找一個(gè)具體的方向，完成一篇論文。因?yàn)?a target="_blank">ACM班的機(jī)會(huì)暑假在MSRA的短暫實(shí)習(xí)，雖然學(xué)會(huì)了很多東西，但并沒有給我答案。MSRA回來之后，在實(shí)驗(yàn)室薛老師的建議下，我選擇了一個(gè)現(xiàn)在看來正確而又錯(cuò)誤的方向 — 深度學(xué)習(xí)。

那是AlexNet出現(xiàn)之前兩年，深度學(xué)習(xí)的主流熱點(diǎn)是非監(jiān)督學(xué)習(xí)和限制玻爾茲曼機(jī)。沒有導(dǎo)師的指導(dǎo)，沒有工具，當(dāng)時(shí)我靠著實(shí)驗(yàn)室的兩塊顯卡和自己寫的CUDA代碼開始了死磕深度學(xué)習(xí)的兩年半。實(shí)驗(yàn)室的學(xué)長(zhǎng)問我，你準(zhǔn)備要干啥，我說：“我要用卷積RBM去提升ImageNet的分類效率?！?這一個(gè)回答開啟了圖書館和實(shí)驗(yàn)室的無數(shù)個(gè)日日夜夜，為了給實(shí)驗(yàn)室的老機(jī)器多帶一塊高功率的顯卡，我們打開了一臺(tái)機(jī)器的機(jī)箱，在外面多塞了一個(gè)外接電源。

我的生活就持續(xù)在調(diào)參的循環(huán)中：可視化權(quán)重的圖片， 看上去那么有點(diǎn)像人臉，但是精度卻總是提不上來，再來一遍。從一開始hack顯卡代碼的興奮，到一年之后的焦慮，再到時(shí)不時(shí)在樹下踱步想如何加旋轉(zhuǎn)不變的模型的嘗試，在這個(gè)方向上，我花費(fèi)了本科四年級(jí)到碩士一年半的所有時(shí)間，直到最后還是一無所獲。

現(xiàn)在看來，當(dāng)時(shí)的我犯了一個(gè)非常明顯的錯(cuò)誤 — 常見的科學(xué)研究要么是問題驅(qū)動(dòng)，比如“如何解決ImageNet分類問題”；要么是方法驅(qū)動(dòng)，如 “RBM可以用來干什么”。當(dāng)時(shí)的我同時(shí)鎖死了要解決的問題和用來解決問題的方案，成功的可能性自然不高。如果我在多看一看當(dāng)時(shí)整個(gè)領(lǐng)域的各種思路，比如Lecun在很早的時(shí)候就已經(jīng)做end to end，或許結(jié)局會(huì)不那么一樣吧。

當(dāng)然沒有如果，賭上了兩年半的時(shí)間的我留下的只是何時(shí)能夠發(fā)表論文的緊張心情。焦慮的我開始打算換一個(gè)方向，因?yàn)镽BM當(dāng)時(shí)有一個(gè)比較經(jīng)典的文章應(yīng)用在了推薦系統(tǒng)上，我開始接觸推薦系統(tǒng)和kddcup。

比較幸運(yùn)的是，這一次我并沒有把RBM作為唯一的一個(gè)方法，而是更加廣泛地去看了推薦系統(tǒng)中的矩陣分解類的算法，并且在實(shí)驗(yàn)室搭建了一個(gè)比較泛用的矩陣分解系統(tǒng)。推薦系統(tǒng)方向的耕耘逐漸有了收獲，我們?cè)趦赡闗DDCup11中獲得了不錯(cuò)的成績(jī)。KDD12在北京，放棄了一個(gè)過年的時(shí)間，我完成了第一篇關(guān)于基于特征的分布式矩陣分解論文，并且非常興奮地投到了KDD。

四月底的時(shí)候，我們收到了KDD的提前拒搞通知 — 論文連第一輪評(píng)審都沒有過。收到拒搞通知時(shí)候的我的心情無比沮喪，因?yàn)檫@是第一篇自己大部分獨(dú)立推動(dòng)完成的文章。

轉(zhuǎn)折在五月，KDDCup12 封榜，我們拿到了第一個(gè)track的冠軍，我依然還記得拿到KDDCup12冠軍的那一個(gè)瞬間，我在狀態(tài)里面中二地打了excalibur，仿佛碩士期間的所有陰霾一掃而盡。那時(shí)候的我依然還不完全知道科研是什么，但是隱隱之中覺得似乎可以繼續(xù)試試。

第零年：可以做什么

我對(duì)于科研看法的第一個(gè)轉(zhuǎn)折，在于我碩士臨近畢業(yè)的時(shí)候。

李航老師來到我們實(shí)驗(yàn)室給了關(guān)于機(jī)器學(xué)習(xí)和信息檢索的報(bào)告，并且和我們座談。在報(bào)告的過程中，我異常興奮，甚至?xí)r不時(shí)地想要跳起來，因?yàn)榘l(fā)現(xiàn)我似乎已經(jīng)知道如何可以解決這么多有趣問題的方法，但是之前卻從來沒有想過自己可以做這些問題。

聯(lián)系了李航老師之后，在同一年的夏天，我有幸到香港跟隨李航和楊強(qiáng)老師實(shí)習(xí)。實(shí)驗(yàn)室的不少學(xué)長(zhǎng)們?cè)?jīng)去香港和楊強(qiáng)老師工作，他們回來之后都仿佛開了光似地在科研上面突飛猛進(jìn)。去香港之后，我開始明白其中的原因 — 研究視野。經(jīng)過幾年的磨練，那時(shí)候的我或許已經(jīng)知道如何去解決一個(gè)已有的問題，但是卻缺乏其他一些必要的技能 — 如何選擇一個(gè)新穎的研究問題，如何在結(jié)果不盡人意的時(shí)候轉(zhuǎn)變方向?qū)ふ倚碌耐黄泣c(diǎn)，如何知道整個(gè)領(lǐng)域的問題之間的關(guān)系等等。

“你香港回來以后升級(jí)了嘛?！?— 來自某大俠的評(píng)論。這也許是對(duì)于我三個(gè)月香港實(shí)習(xí)的最好概括的吧。香港實(shí)習(xí)結(jié)束的時(shí)候我收獲了第一篇正式的一作會(huì)議論文（在當(dāng)年的ICML）。因?yàn)镵DDCup的緣故，我認(rèn)識(shí)了我現(xiàn)在博士導(dǎo)師Carlos的postdoc Danny，Danny把我推薦給了Carlos（UW）和Alex（CMU）。我在申請(qǐng)的時(shí)候幸運(yùn)地拿到了UW和CMU的offer。

在CMU visit的時(shí)候我見到了傳說中的大神學(xué)長(zhǎng)李沐，他和我感嘆，現(xiàn)在正是大數(shù)據(jù)大火的時(shí)候，但是等到我們畢業(yè)的時(shí)候，不知道時(shí)代會(huì)是如何，不過又反過來說總可以去做更重要的東西?，F(xiàn)在想起這段對(duì)話依然依然唏噓不已。我最后選擇了UW開始了我六年的博士生活。

感謝博士之前在APEX實(shí)驗(yàn)室和香港的經(jīng)歷，在博士開始的時(shí)候我似乎已經(jīng)不再擔(dān)心自己可以做什么了。

第一年：意外可以收獲什么

如果給我在UW的第一年一個(gè)主題的話，或許是“意外”。在交大時(shí)候因?yàn)榕d趣的關(guān)系一直去蹭系統(tǒng)生物研究員敖平老師的組會(huì)探討隨機(jī)過程和馬爾可夫鏈。到UW的第一個(gè)學(xué)期，我無意看到一篇探討如何用Lagevin過程做采樣的文章，我想這不就是之前組會(huì)上探討過的東西么，原來這些方法也可以用到機(jī)器學(xué)習(xí)上。我直接借用了原來的交大學(xué)會(huì)的知識(shí)完成了第一篇高效采樣HMC的文章。我后來并沒有繼續(xù)在這個(gè)方向上面耕耘下去，不過另外一位同在組會(huì)的學(xué)弟繼續(xù)基于這個(gè)方向完成了他的博士論文。

同樣的在這一年，我和導(dǎo)師開始“質(zhì)疑深度學(xué)習(xí)” — 如果別的的機(jī)器學(xué)習(xí)模型，有足夠大的模型容量和數(shù)據(jù)，是否可以獲得和深度學(xué)習(xí)一樣的效果呢？當(dāng)時(shí)Carlos看好kernel methods，而我因?yàn)檫^去的一些經(jīng)歷決定嘗試Tree Boosting。雖然最后在vision領(lǐng)域依然被卷積網(wǎng)絡(luò)打敗而嘗試挑戰(zhàn)失敗，但是為了挑戰(zhàn)這一假說而實(shí)現(xiàn)高效Tree boosting的系統(tǒng)經(jīng)過小伙伴建議開源成為了后來的XGBoost。

在第一年暑假結(jié)束的時(shí)候，因?yàn)榕既坏脑?，我開始對(duì)quantile sketch算法感興趣。這里主要的問題是如何設(shè)計(jì)一個(gè)近似的可以合并的數(shù)據(jù)結(jié)構(gòu)用來查找quantile。這個(gè)方向有一個(gè)經(jīng)典的方案GK-sketch的論文，但是只能夠解決數(shù)據(jù)點(diǎn)沒有權(quán)重的情況。經(jīng)過一兩天的推導(dǎo)，我在一次去爬山的路上終于把結(jié)論推廣到了有權(quán)重的情況。有趣的是新的證明比起原來的證明看起來簡(jiǎn)單很多。這個(gè)結(jié)論沒有單獨(dú)發(fā)表，但是后來意想不到地被用到了分布式XGBoost算法中，證明也收錄在了XGboost文章的附錄中。

△ 陳天奇在XGBoost Workshop上演講

研究并不是一朝一夕，做想做的事情把它做好，開始的時(shí)候興趣使然，而在幾年之后意想不到的地方獲得的收獲，這樣的感覺走非常不錯(cuò)。

第二年和第三年：選擇做什么

在新生聚會(huì)上，Carlos對(duì)我說，你已經(jīng)有論文的發(fā)表經(jīng)歷了，接下來要靜下心來做發(fā)大的，“只做best paper水平的研究”。和很多nice的導(dǎo)師不同，Carlos對(duì)于學(xué)生的要求非常嚴(yán)格，說話也是非常直白甚至于“尖刻“。很多的老師不論我們提出什么樣的想法，總會(huì)先肯定一番，而Carlos則會(huì)非常直接地提出質(zhì)疑。一開始的時(shí)候會(huì)非常不習(xí)慣，感覺到信心受到了打擊，但是慢慢習(xí)慣之后開始習(xí)慣這樣風(fēng)格。到現(xiàn)在看來，誠(chéng)實(shí)的反饋的確是我收益最大的東西。我進(jìn)入博士的一年之后，主要在想的問題是做什么樣的問題，可以值得自己深入付出，做扎實(shí)有影響力的工作。

在博士的第三年，Carlos在建議我把XGBoost寫成論文，用他的話說：“寫一篇讓讀者可以學(xué)到東西的文章”。和傳統(tǒng)的寫法不同，我們?cè)谖恼碌拿恳粋€(gè)章節(jié)插入了實(shí)驗(yàn)結(jié)果驗(yàn)證當(dāng)章節(jié)提出的觀點(diǎn)。而他對(duì)于做圖的處理也成為了我現(xiàn)在的習(xí)慣，直接在圖里面插入箭頭注釋，減少讀者的閱讀負(fù)擔(dān)。經(jīng)過幾次打磨論文終于成為了我們想要的模樣。

博士前對(duì)于深度學(xué)習(xí)遺憾讓我又逐漸把目光轉(zhuǎn)回到深度學(xué)習(xí)。這個(gè)時(shí)候，我選擇了不再一個(gè)人作戰(zhàn)，在博士的第二年和第三年，我和興趣使然的小伙伴們合作，一起開始了MXNet的項(xiàng)目。項(xiàng)目從零開始，在短短的一年時(shí)間里面做出完整的架構(gòu)。我第一次看到集合了大家的力量齊心協(xié)力可以創(chuàng)造出什么樣的東西。研究的樂趣不光是發(fā)表論文，更多還是可以給別人帶來什么，或者更加大膽地說 — 如何一起改變世界。

博士第二年暑假，我在小伙伴的介紹下進(jìn)入Google Brain跟隨Ian Goodfellow實(shí)習(xí)。當(dāng)時(shí)GAN的論文剛剛發(fā)表，我也有幸在成為Ian的第一個(gè)實(shí)習(xí)生。

實(shí)習(xí)的開始，我們討論需要做的問題，Ian和我把可能要做的項(xiàng)目畫在一個(gè)風(fēng)險(xiǎn)和回報(bào)的曲線上，讓我選擇。到最后我選擇了自己提出的一個(gè)課題，在這個(gè)曲線里面風(fēng)險(xiǎn)最高，回報(bào)也最高。

我一直有一個(gè)理想，希望可以構(gòu)建一個(gè)終身學(xué)習(xí)的機(jī)器學(xué)習(xí)系統(tǒng)，并且解決其中可能出現(xiàn)的問題。這個(gè)理想過于模糊，但是我們想辦法拿出其中的一個(gè)可能小的目標(biāo) — 知識(shí)遷移。如果一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)要終生學(xué)習(xí)，那么在不斷收集數(shù)據(jù)之后必然需要擴(kuò)充模型的規(guī)模來學(xué)習(xí)更廣或者更深，按照現(xiàn)在的做法我們?cè)谀Ｐ透淖冎笾荒軖仐壴瓉淼哪Ｐ椭匦掠?xùn)練，這顯然是不夠高效的。

是否有一個(gè)方法可以從已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)上面進(jìn)行知識(shí)遷移也就成為了一個(gè)重要的問題。我先花了一個(gè)半月的時(shí)間嘗試了比較顯然的Knowledge distillation的方法一直沒有得到正面的結(jié)果。在最后的一個(gè)月，我改變了思路。實(shí)習(xí)結(jié)束的前一個(gè)星期，我打開Tensorborard上最近一組實(shí)驗(yàn)的結(jié)果：實(shí)驗(yàn)表明新的思路正面的效果。這最后幾步的幸運(yùn)也讓我的這一個(gè)冒險(xiǎn)之旅有了一個(gè)相對(duì)圓滿的結(jié)果。這篇論文最后被發(fā)表在了ICLR上，也是我最喜歡的結(jié)果之一。

博士的第三年，我和小伙伴們開發(fā)了一種可以用低于線性復(fù)雜度就可以訓(xùn)練更深模型的內(nèi)存優(yōu)化算法。當(dāng)時(shí)我非常興奮地把這一結(jié)果寫下來然后把稿子后給導(dǎo)師看。他和我說：Hmm，這個(gè)結(jié)果如果投到NeurIPS的話或許可以中一篇poster，但是這并不是特別有意思。在我沉默之后他又補(bǔ)充了一句：論文并非越多越好，相反你可能要嘗試優(yōu)化你的論文里面最低質(zhì)量的那一篇。最后我們只是把這篇論文掛在了Arxiv上。Carlos的說法或許比較極端（這篇論文依然影響了不少后面的工作），但也的確是對(duì)的，用李沐之前說過的一句話概括，保證每一篇論文的質(zhì)量接近單調(diào)提升，已經(jīng)是一件難以做到但是又值得最求的事情。

選擇做什么眼光和做出好結(jié)果的能力一樣重要，眼界決定了工作影響力的上界，能力決定了到底是否到達(dá)那個(gè)上界。交大時(shí)敖平老師曾經(jīng)和我說過，一個(gè)人做一件簡(jiǎn)單的事情和困難的事情其實(shí)是要花費(fèi)一樣多的時(shí)間。因?yàn)榧词乖俸?jiǎn)單的問題也有很多瑣碎的地方。要想拿到一些東西，就必然意味著要放棄一些其他東西，既然如此，為什么不一直選擇跳出舒適區(qū)，選一個(gè)最讓自己興奮的問題呢。

第四年之后：堅(jiān)持做什么

博士第三年，我和小伙伴們參加GTC，結(jié)束后老黃party的角落里，我一個(gè)人在發(fā)呆。深度學(xué)習(xí)的框架發(fā)展已經(jīng)鋪開，可接下來應(yīng)該做什么，我一下子感到迷茫。第三年的暑假我沒有去實(shí)習(xí)，而是決定一個(gè)人在學(xué)校嘗試開發(fā)腦海中顯現(xiàn)的抽象概念 — 深度學(xué)習(xí)中間表示。暑假結(jié)束之后，我完成了第一個(gè)版本，可以比較靈活地支持深度學(xué)習(xí)系統(tǒng)里面的計(jì)算圖內(nèi)存優(yōu)化。但是總是覺得還缺少著什么 — 系統(tǒng)的瓶頸依然在更接近底層的算子實(shí)現(xiàn)上。暑假之后在去加州的飛機(jī)上，我嘗試在紙上畫出為了優(yōu)化矩陣乘法可能的循環(huán)變換，回來之后，我們決定推動(dòng)一個(gè)更加大膽的項(xiàng)目 — 嘗試用自動(dòng)編譯生成的方式優(yōu)化機(jī)器學(xué)習(xí)的底層代碼。

這個(gè)項(xiàng)目早在之前我也有一些想法，但是一直沒有敢去吃這個(gè)螃蟹。原因是它的兩個(gè)特點(diǎn)：從零開始，橫跨多領(lǐng)域。因?yàn)橐龅讓哟a生成和想要支持新的硬件，我們需要重新重新搞清楚很多在之前被現(xiàn)有的操作系統(tǒng)和驅(qū)動(dòng)隱藏掉的問題，這就好象是在一個(gè)荒島上一無所有重新搭建起一個(gè)城堡一樣。而這里面也涉及了系統(tǒng)，程序語言，體系結(jié)構(gòu)和機(jī)器學(xué)習(xí)等領(lǐng)域。

這讓我想起之前在ACM班時(shí)候重頭搭建編譯器和MIPS處理器并且連接起來的經(jīng)歷。也是那段經(jīng)歷讓我覺得為了解決問題去吃多個(gè)領(lǐng)域的螃蟹是個(gè)讓人興奮的事情。那段經(jīng)歷給我留下的第二個(gè)印記是理解了合作和傳承的重要性。這門課程設(shè)計(jì)有一個(gè)傳統(tǒng)，每一門課程的老師都由上一屆學(xué)長(zhǎng)擔(dān)任。每一屆的同學(xué)都會(huì)在之前的基礎(chǔ)上有所改進(jìn)。我也曾經(jīng)為這門課做過一些微小的貢獻(xiàn)。演化到現(xiàn)在，這門課程已經(jīng)從只做簡(jiǎn)單的答辯，到現(xiàn)在已經(jīng)有在線評(píng)測(cè)的OJ。大家一起的合作塑造了這個(gè)課程。推動(dòng)新的機(jī)器學(xué)習(xí)系統(tǒng)和塑造這門課程一行，需要各個(gè)團(tuán)隊(duì)的同學(xué)合作，足夠時(shí)間的耐心關(guān)注和不斷地改進(jìn)。

我的合作者們也被“卷入”到了這個(gè)項(xiàng)目中。我的體系結(jié)構(gòu)合作者一直想要設(shè)計(jì)新的AI硬件，我在雛形完成之后花了大量的時(shí)間討論如何協(xié)同設(shè)計(jì)新的硬件的問題。我們開始討論怎么管理片上內(nèi)存，怎么可以比較容易地生成指令集，甚至怎么調(diào)度內(nèi)存讀寫和計(jì)算并行的問題都暴露出來。有一天，我和合作者說我們需要引入虛擬線程的概念來隱藏內(nèi)存讀寫開銷，然后他很快和我說，這是體系結(jié)構(gòu)里面經(jīng)典的超線程技術(shù)，發(fā)明人正是我們的系主任Hank。我們也在不斷地重新發(fā)現(xiàn)經(jīng)典的問題的解決方法在新場(chǎng)景的應(yīng)用，讓我覺得上了一堂最好的體系結(jié)構(gòu)課程。

兩年間的不少關(guān)鍵技術(shù)問題的突破都是在有趣的時(shí)候發(fā)生的。我在排隊(duì)參觀西雅圖藝術(shù)博物館的infinity mirror展覽的途中把加速器內(nèi)存拷貝支持的第一個(gè)方案寫在了一張星巴克的餐巾紙上。到后來是程序語言方向的同學(xué)們也繼續(xù)參與進(jìn)來。我們爭(zhēng)論最多的是如何如何平衡函數(shù)式語言和經(jīng)典計(jì)算圖做讓大家都可以搞懂的中間表達(dá)，這一討論還在不斷繼續(xù)。經(jīng)過大家的努力，TVM的第一篇論文在項(xiàng)目開始的兩年之后終于發(fā)表。兩年間參與項(xiàng)目的同學(xué)也從兩個(gè)人，到一個(gè)團(tuán)隊(duì)，再到一個(gè)新的lab和一個(gè)社區(qū)，這兩年也是我博士期間最充實(shí)的兩年。

因?yàn)樽隽瞬簧佟翱缃纭钡墓ぷ?，我常被問起你到底屬于哪個(gè)領(lǐng)域。過去半年一直在各地給報(bào)告，報(bào)告這樣開頭：算法突破，數(shù)據(jù)的爆發(fā)，計(jì)算硬件的提升三者支撐了機(jī)器學(xué)習(xí)的變革，而整合這三者的，則是機(jī)器學(xué)習(xí)系統(tǒng)。這也是為什么我要做機(jī)器學(xué)習(xí)系統(tǒng)的原因。曾經(jīng)一個(gè)教授問我這樣的問題，如果明天有一樣新的化學(xué)反應(yīng)過程可能帶來機(jī)器學(xué)習(xí)的變革，你會(huì)怎么做。我答道：“我投入會(huì)去學(xué)習(xí)研究這個(gè)化學(xué)過程”。雖然我不知道遙遠(yuǎn)的未來會(huì)需要什么，到底是系統(tǒng)，算法，還是化學(xué)，從問題出發(fā)，用盡所有可能的方法去最好地解決機(jī)器學(xué)習(xí)問題，應(yīng)該這就是我想要堅(jiān)持的研究風(fēng)格吧。

總結(jié)

在寫這篇總結(jié)的時(shí)候，心中有不少感嘆。我常想，如果我在焦慮死磕深度學(xué)習(xí)的時(shí)候我多開竅一些會(huì)發(fā)生什么，如果我并沒有在實(shí)習(xí)結(jié)束的時(shí)候完成當(dāng)時(shí)的實(shí)驗(yàn)，又會(huì)是什么。但現(xiàn)在看來，很多困難和無助都是隨機(jī)的漲落的一部分，付出足夠多的時(shí)間和耐心，隨機(jī)過程總會(huì)收斂到和付出相對(duì)的穩(wěn)態(tài)。

每個(gè)人的研究道路都各不相同，我的經(jīng)歷應(yīng)該也是千萬條道路中其中一條罷了。博士的經(jīng)歷就好像是用五年多時(shí)間作為籌碼投資給自己，去突破自己做自己原來想不到的事情。中不管坎坷曲折都是無可替代的一部分。

科研從來不是一個(gè)人的事情，對(duì)于我來說特別是如此。我在交大的時(shí)候和一群年輕的同學(xué)一起摸索推薦系統(tǒng)的算法，而在博士期間搭建的每一個(gè)系統(tǒng)都包含了很多合作者一起的努力。也正是大家一起的努力才帶來了現(xiàn)在的成果。我個(gè)人在這十年間受到了不少老師，同學(xué)，家人的鼓勵(lì)和幫助，感謝他們他們給予了我這無比珍貴的十年時(shí)光。