最近，我写的一篇文章进了 SIGIR 2020 这个会。它很短，对我来说是一个“锚”，这样以后写作的时候起码有资料可以引用，不用像民科一样没有根据地长篇大论。

这篇文章只想讲一件事：在连续的集合上可以定义“语言”。如此，所谓的“神经排序”就是连续点集上的统计语言模型，因此所谓的“end-to-end” 就是内蕴的性质。“结构”(structure)与“测度”(measure)是“新语义检索”的基础，它们分别概括了“表示法”(representation)和“模型”(retrieval model)这两个传统的概念。它必须收敛，收敛性是模型正确性和性能的一种估计。有些公司的什么“技术博客”总喜欢吹嘘“数据决定模型性能”这类有机械唯物主义意味的观点，奉之为“指导思想”，把自己的命运完全交给收集用户偶然的行为（这些用户行得通，那些用户呢？当然可以说自己的模型都能奏效，但这就不只是数据的问题），还有对 learning-to-rank 望文生义的涂改，不想多说，专心做生意吧。

流形上的概率论很早就有了，这与信息几何(information geometry)的发展有关，只是它们研究的大多都是参数空间的分布，本文反而考虑变量空间的事情。以前那些形如“xx learning/clustering on manifold”的文章，为了让梯度可以直接在曲面上更新，一定会用指数映射之类的方法。这些画蛇添足的内容我全都放弃了。从某种意义上说，直接更新梯度之后再把向量归一化再算测度，是一种“传输”，这暗示了那些 xx norm 之类的方法真正的含义。还有一些譬如 ngram 表示之类的问题，可以在复流形上解决，也可以用一些像向量一样的东西代替。

其实，这也和量子检索(quantum retrieval)有关，只是前面的人比较极端，试图用量子力学直接概括整个领域。

这篇论文的写作和发表可能得到了无法知晓的支持，在此顺带以真诚致谢。我从不打算靠做此类研究谋生。这个时代，智力正常的人都应该想出一百种赚钱的方式，在每个行业只要花足够多的时间和毅力，最后都能得到可观的财富，做到底就知道这其实是国家实力发展的结果。在一个动荡的社会里很难静下心来做事，这是我暂时离开香港的原因，无法一直在负面的情绪中工作和生活，这会扭曲人的心灵，神智将和社会一样撕裂。但我会认为，这篇论文是给香港社会的答谢，尽管它没有了不起的内容，我也只是很渺小的一个人，能够没有负担地走出去。

这是“拳皇”系列博文的结束，台湾知名格斗游戏选手“Nikolai 保力達”的视频给了我很多的乐趣，过段时间再写下个系列。