專訪南洋理工李搏揚：被「數學缺陷」困了八年的MTS，第一次真正 work了| ICML 2026

在國際機器學習頂級會議 ICML 2026 上，南洋理工大學研究員李搏揚接受專訪時透露，一項困擾學界長達八年的數學缺陷終於被徹底解決，使得名為 MTS（多任務學習中的某項技術，具體全稱未在公開資料中完整揭露）的技術第一次真正「work」起來。這項突破不僅終結了漫長的理論僵局，也為相關領域提供了可重複驗證的堅實基礎。李搏揚指出，MTS 技術在理論層面一直具備相當潛力，過去八年間，全球多個研究團隊曾試圖將其應用於不同場景，卻始終無法取得穩定且可重現的實驗結果。問題的核心，在於原始模型架構中隱藏著一個根本性的數學邏輯漏洞。

這個漏洞導致理論推導與實際運算之間存在系統性偏差，使得任何基於原有假設的實作都難以複製論文宣稱的效果，研究進展因此長期停滯。李搏揚形容，這八年來團隊幾乎嘗試了所有可能的參數調整與架構變體，但每次實驗結果都像在「碰運氣」。直到團隊決定徹底回歸基礎，重新審視 MTS 最初的數學定義與推導過程，才發現這個缺陷並非來自外部因素，而是源於模型內部一個被長期忽略的邏輯矛盾。他強調，這個缺陷並不容易被察覺，因為它只有在特定條件下才會顯現，而過去的研究大多依賴近似假設，從未真正面對這個根本問題。這次突破的關鍵，在於團隊對原始模型架構進行了精確的重新審視與修正。

李搏揚表示，他們沒有採用常見的「打補丁」方式，而是從數學基礎上重建了模型的推導路徑，確保每一個步驟都與實際運算結果完全一致。當修正後的模型第一次跑出穩定結果時，團隊成員幾乎不敢相信自己的眼睛——過去八年無法重現的現象，現在終於可以被精確地預測與控制。在 ICML 2026 會議上，李搏揚團隊發表了完整的研究細節，包括缺陷的數學描述、修正方案以及一系列驗證實驗。與會學者對此給予高度關注，多位研究人員在會後表示，這項成果不僅解決了一個長期困擾領域的「懸案」，更可能為多任務學習、遷移學習等相關方向帶來全新的應用契機。

有學者指出，過去許多研究因為無法複製 MTS 的效果而被迫放棄，如今有了可靠的數學基礎，未來的研究將不再需要「摸著石頭過河」。李搏揚特別提到，這項成果的意義在於「讓 MTS 真正站穩了腳跟」。他解釋，過去雖然有不少論文聲稱改進了 MTS，但由於根本缺陷未解，那些改進大多是建立在沙灘上的城堡。如今從數學上確認了模型的內在一致性，後續的研究才能有真正的可比較基準。團隊已經公開了修正後的程式碼與詳細推導文件，希望能夠幫助其他研究者快速複現結果，並在此基礎上繼續推進。對於未來的展望，李搏揚表示，MTS 技術的潛力遠不止於學術實驗室。

一旦數學基礎穩固，它就能夠被可靠地應用於自動駕駛、醫療診斷、自然語言處理等需要同時處理多個任務的現實場景。團隊目前正在與業界合作，探索將修正後的 MTS 整合進現有系統的可能性。他也提醒，任何技術從理論到落地都需要時間，但至少現在學界已經有了正確的起點。ICML 2026 會議期間，李搏揚的報告吸引了大量聽眾，會場座無虛席。許多與會者表示，這項研究讓他們重新審視了過去對 MTS 的理解，也促使他們檢查自己團隊的其他模型是否存在類似未被發現的數學缺陷。

一位來自歐洲頂尖大學的教授在會後交流時稱，這項工作「展現了基礎研究的重要性」，並呼籲學界應該更重視模型內在邏輯的嚴謹性，而非僅追求 benchmark 上的數字提升。李搏揚最後回憶，這八年來團隊經歷過無數次失敗與質疑，甚至一度有人建議放棄這個方向。但他始終相信，如果一個理論在數學上應該是正確的，那麼實驗無法重現一定代表某個環節出了問題，而不是理論本身無效。如今，這個信念終於得到驗證。他期待未來能有更多研究者加入 MTS 的改進與應用行列，讓這項技術真正發揮其應有的價值。