那张写着邀约的便签，被姜沫夹进了《极坐标原理》的扉页。“置信区间”四个字，像投入深潭的石子，在她心底漾开圈圈涟漪。她没有立刻回复，也没有在当晚八点走向B3露台。一种近乎本能的谨慎让她按兵不动——在情况未明的数据流里，贸然响应一个突然出现的异常信号，并非明智之举。

她需要更多样本来确认，这份邀约，究竟是算法迭代后的理性输出，还是系统运行中一次偶然的“噪声”。

翌日的实验室，气氛微妙。姜沫一如往常地操作仪器，记录数据，只是眼角的余光，总会不自觉地扫过主控区那个专注的身影。沈知砚也恢复了平日的状态，严谨，高效，就一个数据采集的标准化流程与周研究员讨论了近二十分钟，措辞精准，逻辑严密，听不出任何私人情绪的波动。

仿佛那张便签，只是她的一场幻觉。

直到午休前，姜沫在处理一组高维数据时，遇到了一个棘手的降维问题。无论她如何调整参数，总有一部分信息在降维后丢失严重，导致后续的分类模型性能大幅下降。她对着屏幕上不尽人意的结果，眉头紧锁。

“是流形学习中的嵌入失真问题。”

沈知砚的声音在不远处响起。他不知何时走了过来，目光落在她屏幕上那团纠缠不清的数据点上。

姜沫抬起头，等待着他接下来的、大概率会充满专业术语的指导，或者对她操作失误的指正。

然而，沈知砚只是走近两步，伸出食指，虚点在屏幕中一块颜色迥异的区域：“你看，这部分数据的局部几何结构，与主体分布存在显著差异。强行用统一的线性方法降维，就像用一张平面地图去描绘起伏的山丘，必然会丢失海拔信息。”

他的解释依旧专业，但用了“山丘”和“地图”这样具象的比喻，这对于习惯使用“高维流形”、“局部线性嵌入”等术语的他而言，已是一种难得的“降维”解说。

“那……该怎么办？”姜沫顺着他的话问。

沈知砚操作自己的平板，快速调出一个算法界面，手指滑动了几下，然后将屏幕转向她：“可以尝试这种基于局部敏感哈希的谱方法。它允许数据在不同区域拥有不同的‘地图尺度’，虽然计算复杂度更高，但能更好地保留……‘山丘’的原始形态。”

他顿了顿，补充道，语气是一种陈述事实般的平静：“你采集的这组数据，内部异质性较强，简单的线性模型不足以捕捉其全部特征。这不是操作失误，是模型选择的问题。”

最后这句话，轻描淡写地，将她从可能面临的“能力质疑”中解脱出来。他没有指责她选错了方法，而是客观地指出了数据本身的特性与模型的不匹配。

姜沫看着他平板屏幕上那个更为复杂的算法流程图，心中微动。他不仅指出了问题，还提供了更优的解决方案，甚至……不着痕迹地维护了她的专业自尊。

这是一种隐藏在严谨学术指导下的，极其隐晦的体贴。

她开始尝试他建议的谱方法。过程果然复杂许多，步骤繁琐，参数设置也更为精细。在她进行到关键一步，需要输入一个核心参数时，却迟疑了。界面上给出的建议范围很宽，不同的取值可能导致截然不同的结果。

她下意识地看向沈知砚。他正背对着她，在另一台设备上调试着什么。