的话。
“郑院长我认识的，之前在江大见过面的。”
“哦，对了，哈哈。应该就是郑院长告诉的亚历克斯，你还是个本科生。”
迈克尔&183;欧文大笑着说道。
见都认识了，陆明远便让乔源在他身边坐下，五个人寒暄之后就开始讨论起数学、计算机和人工智能的诸多前沿问题。其中当然也包含了数学优化的问题，尤其是乔源正在和苏教授一起研究的课题。
不过说是讨论，给乔源的感觉这些大佬们总是有意无意的在考验他。
光是围绕他在si0pt上发表的那篇论文，三个人就提出了好几个问题。
其中也包括了作为审稿人的迈克尔&183;乔丹。
乔源也一一作答，许多问题都没经过什么思考。
这种考验他已经经历过无数次了。相对而言，这其实比陆院士和袁老对他的考验要简单得多。毕竟他的老师跟袁老出题的目的是考核他对数学的理解和数学知识的广度，所以很随机。
而这三位问的则大都是围绕着论文本身展开的一系列问题。
要知道这篇论文最过分的考验还是谭景荣去江大的时候，在酒店房间里问的那些问题。
甚至那都是刁难了，乔源都能对答如流。更别提这又过去了近半年，乔源都已经快把结论推广到了非凸和高维的层面。应付几人的问题，自然更加从容。
不但根本难不倒乔源，甚至思想被改造后的乔源，还经常在回答完之后提出一些反问。
比如在乔源回答了迈克尔&183;乔丹一个关于加权sobolev空间的问题后，直接就反问了句：“乔丹教授，你这就又要引出了一个更基础的数学问题。对于一个给定的随机动力系统，其不变测度u女的混合速率与生成元l。的本质谱有何种定量关系？更进一步的说，是否存在一个基于拓扑的判据，使得我们能先验地判断一个非凸优化问题是否具有快速混合的潜力？你们有考虑过这个问题吗？”是的，现在的乔源不但学会了老实回答老师的问题，还会防守反击了。
这些都是他做苏志坚课题在非凸高维推广时遇到的一些难题。
这么反问一句，对方说不上来再提问就会悠着一些，如果讲上个一二三，正好能给他一些启发。毕竟大佬的思想不能浪费了。
比如乔源反问迈克尔&183;乔丹的问题就很鸡贼。
他直接将概率论中的随机动力系统、泛函分析中的算子谱