【波士顿，麻省理工学院】

2016年3月4日，周五下午2点15分

陆星衍站在导师办公室门外，深吸了一口气，整理了一下衬衫领口。这是他博士项目的第一次正式导师会议，决定未来至少四年的研究方向。

办公室里传出一个温和但清晰的声音：“进来吧，星衍，门没锁。”

陆星衍推门进去。办公室不大，但布置得极有特色：三面墙都是顶天立地的书柜，塞满了数学、计算机科学和物理学的书籍，有些书脊已经磨损褪色。第四面墙上挂着一块巨大的白板，上面写满了复杂的公式和图解。

办公桌后面坐着一个约莫六十岁的男人，灰白的头发有些凌乱，戴着一副半框眼镜，镜片后的眼睛透着敏锐的光。他是杰弗里·罗森教授，MIT人工智能实验室主任，图灵奖得主，也是陆星衍申请时最想合作的导师。

“坐。”罗森教授指了指办公桌对面的椅子，自己则继续在键盘上敲击着什么，眼睛盯着屏幕，“给我两分钟，这段代码快跑完了。”

陆星衍安静地坐下，目光不由自主地被白板上的内容吸引。那是一组关于图神经网络的公式推导，旁边用红笔标注着：“注意：信息传递的对称性问题”。

“好了。”罗森教授终于抬起头，转椅面向陆星衍，双手在胸前交叉，“陆星衍。本科华清大学数学系第一名，毕业论文《非欧几何在流形学习中的应用》拿了最佳论文奖，GRE数学满分，推荐信里你的本科导师说你是他二十年教过的最有天赋的学生。”

他顿了顿，眼镜片后的眼睛审视着陆星衍：“所以我的问题是：以你的数学背景，你应该去数学系，跟迈克尔森做微分几何，或者去理论物理中心，跟威尔逊做量子场论。为什么选择人工智能实验室？”

问题直白而尖锐。陆星衍早有准备。

“因为桥梁，”他说，声音平静但坚定，“罗森教授，我不只想在一个领域深挖。我想建一座桥，连接数学的纯粹理性和现实世界的复杂性。”

罗森教授挑了挑眉：“说具体点。”

陆星衍从背包里拿出一个笔记本，翻开到一周前凌晨写的那页：“我最近在思考一个问题：如何让神经网络理解数学证明的结构性。传统自动证明系统把证明视为逻辑链，但好的证明有重点，有节奏，有‘高潮部分’——”

“高潮部分？”罗森教授打断他，嘴角微微上扬，“有趣的比喻。”

“是高中时一个朋友用的词，”陆星衍说，意识到自己提到了沈清辞，但继续道，“实际上，数学证明确实存在结构重点。我的想法是应用注意力机制，让神经网络学习识别证明中的关键步骤。”

他把笔记本推过去。罗森教授接过，仔细看了几分钟。办公室里只有翻页声和远处走廊传来的隐约脚步声。

“Attention for Mathematical Proofs，”罗森教授念出标题，然后抬起头，眼中有了真正的兴趣，“这个想法很新颖。但为什么是现在？注意力机制在NLP中已经火了两年了。”

“因为数学证明是特殊的序列，”陆星衍身体微微前倾，这是他说到感兴趣话题时的习惯动作，“它有严格的语法规则，但又有创造性的修辞。我认为现在是时候用深度学习重新思考自动证明了——不是替代逻辑推理，而是增强它，让它更‘人性化’。”

“‘人性化’的数学证明，”罗森教授重复这个词，摘下眼镜擦拭，“你知不知道，很多纯数学家会认为这是对数学的亵渎？数学之美在于其客观性，不需要‘人性化’。”

陆星衍点点头：“我知道。但我认为，理解和创造数学的是人，而人的思维有特定的模式。如果我们能理解这些模式，也许能让机器更好地辅助数学研究，甚至启发新的数学发现。”

他停顿了一下，补充道：“就像望远镜扩展了天文学家的视野，显微镜扩展了生物学家的视野。我想建造一个‘数学思维显微镜’。”

罗森教授重新戴上眼镜，看着陆星衍，看了很久。然后他笑了，是那种真正感到愉快的笑。

“我喜欢这个比喻，”他说，“数学思维显微镜。好吧，我接受你的理由。不过这个方向难度很大，你需要同时精通深度学习、数学逻辑和证明论。你有心理准备吗？”

“有，”陆星衍说，“我本科修完了所有研究生级别的数学课程，最近也在补神经科学的课。我认为交叉点才是创新的源头。”

“交叉点，”罗森教授点头，突然想到什么，转身在书柜里翻找，抽出一份打印的论文，“说到交叉点，你最近关注法律科技领域吗？”

陆星衍摇头：“不算多，我主要关注数学和AI交叉。”

“可惜，”罗森教授把论文递过来，“这份预印本论文你应该读读。斯坦福一个博士生的作品，叫《图神经网络在法律证据关联分析中的初步探索》。作者叫沈清辞，应该是个华裔。”

陆星衍的手在空中僵住了。

沈清辞。

这个名字像一颗石子投入平静的水面，在他心里激起层层涟漪。他强迫自己保持表情平静，接过论文。

封面页上，作者栏清楚地印着：Qingci Shen, Stanford University。

“他的想法和你的有点精神上的相似，”罗森教授没注意到陆星衍的细微反应，继续说着，“都是把深度学习应用到高度结构化的专业领域。他用图神经网络分析法律证据的关联，你打算用注意力机制分析数学证明的结构。虽然领域不同，但方法论内核很像：都是将专业领域的‘隐性知识’显式化。”

陆星衍低头看着论文封面。标题、作者、机构。白纸黑字，确凿无疑。

沈清辞在斯坦福。在做法律科技。在用图神经网络。

而且就在一周前，他自己凌晨想到的“注意力机制在数学证明中的应用”，和这份论文的方法论内核“很像”。

巧合吗？还是他们思维的深层同步？

“我……会读的，”陆星衍听见自己的声音说，比平时稍微低沉一些，“谢谢教授推荐。”

“不客气，”罗森教授站起身，走到白板前，拿起一支马克笔，“现在我们来谈谈你的具体研究计划。如果你真的要做‘数学证明注意力机制’，我们需要设计一些基准测试……”

接下来的四十五分钟，他们讨论了技术细节：数据集从哪里获取（数学arXiv？形式化证明库？），评估指标如何设计，需要哪些理论基础。

陆星衍努力集中注意力，但他的余光总是不自觉地瞥向桌上那份论文。沈清辞的名字像有磁性，吸引着他的视线。

会议结束时，罗森教授说：“下周这个时间，带一份详细的研究计划书来。另外，读完那份斯坦福的论文，写一份简评给我。我想听听你作为数学背景的人，如何看待这种交叉应用。”

“好的，教授。”

陆星衍收拾东西时，故意把沈清辞的论文放在最上面。走出办公室，走廊里的冷气让他清醒了一些。

他靠在墙上，翻开论文摘要页：

“摘要：本文提出了一种基于图神经网络的法律证据分析方法，将证据视为节点，证据间关联视为边，构建证据图。通过引入法律领域特定的元数据（时间戳、证据类型、来源可信度）作为节点特征，我们设计了一个专门的法律图神经网络（Legal-GNN）……”

专业，严谨，有创新性。

典型的沈清辞风格——总是能找到实际问题的核心，然后用技术给出优雅的解决方案。

陆星衍翻到作者简介页。有一张小照片，可能是学生证照片的扫描件。照片上的沈清辞比高中时成熟了些，轮廓更分明，笑容依然阳光，但眼神里多了些深沉的东西。

照片下面是一段简短的简介：“沈清辞，斯坦福大学计算机科学博士候选人，研究方向为法律科技与人工智能。本科毕业于斯坦福计算机科学系，辅修法律研究。目前是法律科技初创公司Orbit的联合创始人兼CTO。”

Orbit公司。CTO。

所以沈清辞不仅在读博，还在创业。

陆星衍感到一种复杂的情绪：骄傲（看，我喜欢的人多么出色），苦涩（我们本可以一起做这些事），还有一丝不安（他离我的世界这么近，又这么远）。

他合上论文，走向实验室。下午的阳光透过走廊的窗户，在地板上投下长长的光斑。

他在心里做了一个决定：今晚就要读完这篇论文。每一个字都要读。

【加州，斯坦福大学】

2016年3月4日，上午11点30分（太平洋时间）

沈清辞坐在法学院大楼的办公室里，等待着和联合导师的会议。这间办公室属于玛丽亚·陈教授，斯坦福法律、科技与社会中心的主任，也是他博士项目的联合导师之一。

办公室的装饰和罗森教授的截然不同：墙上挂着现代艺术画，书架上的书籍按颜色排列，桌上摆着一盆精心打理的龟背竹。整个空间透着一种精致的秩序感。

门开了，陈教授走了进来。她看起来四十出头，穿着剪裁得体的深蓝色西装，短发利落，步伐生风。

“清辞，抱歉迟到了，”她把公文包放在桌上，脱下西装外套搭在椅背上，“刚结束和硅谷风投的会议，他们总是想多问十分钟。”

“没关系，教授，”沈清辞站起身。

“坐，坐，”陈教授摆手，自己也在办公桌后坐下，打开笔记本电脑，“我们直接开始吧。你提交的研究方向陈述我看了：法律证据的图神经网络分析。很有意思的方向。”

她抬起头，目光锐利：“但我有个问题。以你的技术背景——斯坦福CS本科，现在CS博士——你可以去任何一家科技巨头，做最前沿的AI研究。谷歌大脑，Facebook AI研究院，OpenAI……为什么选择法律科技？这个领域很小众，商业化路径也不明朗。”

沈清辞早有准备这个问题。实际上，过去几个月，几乎每个知道他背景的人都会问类似的问题。

“因为个人原因，”他说，选择坦诚一部分，“我父亲曾经卷入一场商业纠纷，证据问题很复杂。那件事让我意识到，法律系统中的技术应用还很初级，尤其是证据管理分析方面。”

陈教授点头：“所以这是出于家庭经历的情感驱动。”

“不完全是，”沈清辞纠正，“情感是起点，但理性是延续。我认为法律和技术的交叉点正在成为关键领域。随着数字化程度加深，法律纠纷中涉及的电子证据呈指数级增长。但法律行业的技术工具还很落后。这是一个巨大的需求缺口，也是一个有社会价值的创新机会。”

他顿了顿，继续说：“而且，我不认为法律科技是小众领域。它可能现在规模不大，但五年后、十年后呢？当所有合同都是智能合约，所有证据都上链，所有法律分析都有人工智能辅助时，这个领域会变得核心。”

陈教授笑了，是那种欣赏的笑：“你很会说服人。但我还是要问具体点：你的图神经网络证据分析，和现有的电子取证软件有什么本质区别？”

沈清辞打开自己的笔记本电脑，调出他凌晨画的那张架构图：“现有工具主要是检索和分类，是‘被动’的。我的系统是‘主动’的——它不只是存储证据，还会分析证据之间的关联，发现隐藏的矛盾点，甚至预测案件走向。”

他把屏幕转向陈教授，详细解释三层架构：“底层构建证据图，中层用图神经网络学习，上层可视化输出。关键创新在于融入法律元数据，以及专门针对证据矛盾的损失函数设计。”

陈教授仔细看了几分钟，手指轻轻敲击桌面：“技术上很扎实。但法律界接受新技术很慢，你考虑过采用阻力吗？”

“考虑过，”沈清辞说，“所以我打算分阶段推进：先从律师事务所的内部工具开始，证明价值；然后扩展到法院系统的试点项目；最终目标是成为法律证据分析的标准工具。”

“雄心勃勃，”陈教授评价，然后从抽屉里拿出一份打印的论文，“说到技术扎实，你最近关注数学与AI交叉的领域吗？”

沈清辞摇头：“我的数学够用，但不算专精。”

“那这份预印本你应该看看，”陈教授把论文推过来，“MIT一个博士生的作品，叫《注意力机制在数学证明结构分析中的理论框架》。作者是陆星衍，华裔，本科华清大学。”

沈清辞的心脏漏跳了一拍。

陆星衍。

在MIT。在做数学与AI交叉。在用注意力机制分析数学证明。

他接过论文，手指有些微不可察的颤抖。封面上的名字确认无误：Xingyan Lu, Massachusetts Institute of Technology。

“罗森教授——MIT的杰弗里·罗森——昨天和我通邮件时推荐的，”陈教授说，“他说这个学生的想法很新颖，和你做的东西在方法论上有奇妙的呼应。都是将深度学习应用于高度结构化的专业领域，都需要深入理解该领域的‘隐性知识’。”

沈清辞低头看着论文标题。注意力机制。数学证明。

一周前，他凌晨想到的“图神经网络在法律证据分析中的应用”，和这份论文的方法论内核“有奇妙的呼应”。

这已经不是第一次了。高中时，他们就常常同时想到相似的解题思路。有一次数学竞赛，他们分别从代数和几何角度切入，最终得到等价的解法。

现在，分离四年后，这种思维同步还在继续。

“我……会认真读的，”沈清辞说，努力让声音平稳，“谢谢教授推荐。”

“不客气，”陈教授看了看手表，“我们还有时间，谈谈你博士第一年的具体计划。你需要修哪些课？需要找法律背景的合作者吗？我认识几个对技术感兴趣的法学院教授……”

接下来的一个小时，他们讨论了课程计划、合作可能、研究时间表。沈清辞尽力专注，但心思总有一小部分飘向那份论文。

陆星衍在MIT。在罗森教授门下——那可是图灵奖得主。在做这么理论又这么有野心的研究方向。

他既感到骄傲（我当年喜欢的人果然非同凡响），又感到距离（我们走上了不同的专业道路），还有一丝期待（但我们的思维还在共振）。

会议结束时，陈教授说：“下周同一时间，我们讨论你的课程选择。另外，读读那份MIT的论文，写份简评给我。我想知道你作为工程背景的人，如何看待这种理论性很强的交叉研究。”

“好的，教授。”

沈清辞走出办公室，站在法学院大楼的玻璃幕墙前。加州的阳光炽烈，洒在棕榈树和草坪上，学生们骑着自行车穿梭在校园里。

他翻开论文，直接跳到作者简介页。

有一张照片。可能是录取时用的正式照。照片上的陆星衍穿着白衬衫，表情严肃，眼神专注，右眼角那颗浅褐色泪痣清晰可见。他比高中时更清瘦了些，轮廓更分明，有一种冷峻的学术气质。

照片下面是简介：“陆星衍，麻省理工学院人工智能实验室博士候选人，研究方向为数学与人工智能交叉。本科毕业于华清大学数学科学学院，以第一名成绩毕业。目前主要研究兴趣为深度学习在自动定理证明中的应用。”

华清大学数学科学学院第一名。

当然。他永远是第一名。

沈清辞想起高中三年，每次考试后公布排名，陆星衍的名字总是在最上面。有时沈清辞能追上，并列第一；有时差一两分，屈居第二。那种竞争的感觉，现在想来竟然有些怀念。

他合上论文，朝计算机科学系大楼走去。中午的校园很热闹，到处都是学生，到处都是可能性。

他决定：今天下午什么都不做，先把这篇论文读完。

【波士顿，当晚8点】

MIT研究生宿舍

陆星衍坐在书桌前，台灯的光照亮了摊开的论文和笔记本。他已经读了三个小时，读完了沈清辞的整篇论文，还做了七页笔记。

论文质量很高。技术扎实，创新点清晰，实验设计合理。更重要的是，沈清辞展现出了对法律领域的深刻理解——这不是一个计算机科学家简单地把技术套用到新领域，而是真正理解了法律证据的特殊性，然后设计相应的技术方案。

陆星衍在笔记本上写道：

“论文简评：《图神经网络在法律证据关联分析中的初步探索》”

优点：1. 领域理解深入（法律证据的特性把握准确）

2. 技术方案针对性强（Legal-GNN设计合理）