晚上八点四十五分，T厂南山总部22层。

林晨提交完今天最后一个代码合并请求，活动了一下僵硬的肩膀，下意识地看了一眼四周。

开放工区里依然灯火通明。

老赵的工位上，三块屏幕的光映在他专注的脸上，保温杯里的茶早就凉了。许悦盘着腿，耳机线垂在肩膀一侧，手指在键盘上飞快敲击，眉头微蹙，显然在调试什么棘手的问题。远处有几个不认识的同事，端着笔记本坐在讨论区的沙发上，低声争论着什么，白板上画满了框图和箭头。

林晨站起来去茶水间接水，路过走廊时，透过会议室的玻璃墙，看到王皓正在和两个不认识的同事开视频会议，屏幕上显示着一个分布式架构图，各种标注和颜色块让画面看起来像一幅抽象画。

这就是T厂的加班文化。

不是强制要求，不是打卡统计，而是一种自发的、几乎无声的默认规则——如果你手上的事情还没做完，或者你想把它做得更好一点，你就会留下来。周围的人都在，灯都亮着，键盘声此起彼伏，你离开的念头自然就被压下去了。

林晨端着水回到工位，犹豫了几秒。今天的任务已经完成了，代码审查也通过了，明天上午的站会资料也准备好了。按理说可以走了。

但他的视线落在笔记本上一行还没来得及深入研究的技术笔记上——关于知识蒸馏在推荐系统中的应用，他只看了一半。

坐回去，再待一会儿吧。

他打开论文，逐字逐句地读起来。这篇文章来自Google Research，讲的是如何将大型推荐模型的推理成本降低一个数量级，同时保持效果损失在可接受范围内。核心思路和他在笔记本上画的草图高度相似：用大模型做教师，训练轻量化的学生模型上线服务。

读到一半，他开始在本子上画新的草图。T厂的推荐系统和他自己的量化系统，虽然业务场景不同，但都面临模型效果和推理成本之间的权衡这个根本性问题。大模型效果好但成本高，小模型成本低但效果打折。蒸馏，就是在两者之间找到甜点。

他越想越投入，不知不觉又过了一个小时。等他从论文里抬起头，九点四十了。

工区里依然有将近一半的工位亮着。老赵还在，换了个姿势，椅子往后仰着，双手枕在脑后，盯着天花板发呆——这通常是他在思考深层问题时的状态。许悦已经走了，工位上只留下一袋没吃完的坚果和一台合上的笔记本电脑。