阶定式近似转化存在近似度问题。”
“最初的转化就会有偏差，要针对结果进行修正，就必须要梳理出‘转化偏差’给原方程带来的结果差值影响……”
“评估从最初的对比开始，大家请看第一个模组……”
“把高阶定式近似转化的结果和原高阶定式作对比，要用计算机代入大量数值进行计算的……”
“各个位置对比，就能得到一个初始差值，我称之为‘初始数值’，在后续模组运作中，评估数值会不断的修正。”
“当进入到下一步，因为方程求解本身会带来很多的变换，必须要联系高阶定时所在的方程或方程组……”
“当用数值求解的时候，就需要和不同数值代入位置进行对比，此时就能发现，近似代入带来的偏差，会受到多种因素影响……”
进入正题，张明浩就开始针对模块组进行分析。
投屏上列出了一大堆的模块组。
其中包含了对于代入转化偏差对结果影响的因素，也包括评分机制的对比处理以及实现结果修正的实现方法。
主体内容还是评分机制。
研究转化偏差对结果影响的因素，每一个因素下，评分数值怎么去进行修正，最终数值再和多因素进行对比，等等。
当真正进入正题的讲解，台下的嘈杂声小了很多。
大部分人都在认真听。
他们最初觉得报告会闹出个笑话，但真正进入正题后，就发现报告讲的是一整套‘评分修正体系’。
模块组展示出的修正方法，就已经很完善了。
后续内容的核心，就是将近似代入的偏差，对于方程求解结果的影响因素以及如何实现优化评分修正数值。
“这就是马建泽研究的评分体系！”
有学者小声讨论着，“我昨天听了报告，整体上的差异并不大，改的都是不同应用场景的嵌套。”
“马建泽研究的是物理因素影响，更复杂一些，他这个研究是针对方程解析，影响是直接性的数值变化……”
也有学者忽然反应过来，惊讶道，“这是他一个晚上的研究？”
“哪怕是套用马建泽的评分体系，但应用场景不一样，内容完全不一样！”
“一个晚上？给我一个星期、一个月，都不一定做不出来！”
话里是质疑，实则是肯定。
马建泽是昨天发表的报告，距离现在也只有一天时间，台