即便他选择匿名，又有谁会不知道这篇文章的作者会是谁呢？

DreamNet现在的细节没有任何信息公布，除了他还能有谁做到在这个时候发布这篇基于DreamNet的论文？

同理，后世AI技术逐渐向大模型发展，动辄几百上千块GPU。很多时候只看用了几张卡，用了谁家的独有大数据，看看内容就能猜到是哪家公司的哪个研究组了。

其他人想做也没那个资源，没那个能力。

既然是多此一举，孟繁岐自然不会做这样无聊的事情。

“此时此刻，我最怕的就是别人认不出我，又何必匿名呢？”

如此想着，孟繁岐便将这篇论文公布在了arxiv网站上。至于CVPR会议的人会不会觉得这样的做法违背了双盲审稿原则，就不在他在意的范围之内了。

arxiv是一个开放的学术预印本存储网站，是一种现代的分享研究成果的方式。

起初是因为某些基础学科审稿实在太久了，尤其是数学和物理，有的论文可能几个月都找不到人来读，根本没有人看得懂。

在这种情况下，许多人会考虑把一个比较草稿的版本，或者干脆就是最终版本直接放到arxiv这个公开平台上来。

这样可以促进交流和学科的发展速度，也是一种证明自己研究结果是何时得到的证据。

后来，计算机，统计，生物，经济等学科也逐渐加入，arxiv越来越包罗万象。

和正经的会议和期刊不同，arxiv只是一个开放平台。和pixiv这个插图分享网站一样。arxiv和pixiv基本上都不对上传的内容做非常严格的审查，因此上面的内容水平有高有低。

arxiv也不是一个正式的会议和期刊，其内容自然也不算真的发表。发布在上面的内容没有经过同行评审，有不被人承认的风险。

民科也大可以将自己的永动机大作发表在上面，装作一副高深莫测的样子。

别的不说，哄骗一下不知情的外行人还真有奇效。页面上论文简介，各种领域标签，还有引用方式都有模有样的，又全是英文。非科研人员乍一看到很容易上当。

不过孟繁岐丝毫不担心这件事情。现代AI的逻辑就是这么简单粗暴。

原理和代码就在这里，用相同的随机种子，任何人都可以复现我的结果。

别人承认不承认，质疑不质疑，孟繁岐完全不在意。

甚至，他隐隐有且期待，因为这种冲突会带来相当可观的关注度。

不多时，孟繁岐提交了生成式对抗网络的latex源文件，在网站上编译出了pdf文件。只待两天后，网站统一更新这些新增的文章。

与此同时，该论文的原作者伊恩(Ian Goodfellow)最近刚想到了这个点子的雏形，还处在思索的阶段，距离真正成型的生成-对抗框架还有着相当长的一段路程要走。

伊恩正在前往他博士导师，AI三巨头之一的——本吉奥，办公室的路上。

“这是一个绝妙的想法，我需要一些帮助。”伊恩如此想道，“我要在我博士的最后一年完成这个前所未有的绝佳工作。”

他决不会想到，有一篇更加完善，实验更加详尽，对相关领域的讨论和反思也更加全面的文章已经公布。