partition：c 的维度里，用 cummax 得到 ner 和 re 的切分的段落，分别切出俩 specific 的 \rou_e \rou_r，剩下的就是共享的 \rou_s。
filter：然后就是组合，给 ner 用的是 \rou_e + \rou_s， 给 re 用的是 \rou_r + \rou_s
具体的机制比较复杂，我没有详细了解。
这里说 “ each gate, which represents one specific task, will divide neurons into two segments according to their usefulness to the designated task. ” 但其实 cummax 得到的切分，其实只是比固定维度多了一个均衡的感觉？不知道 cummax 有多大作用（这点的 ablation 是将 300 维切成 10 段，specific 的各一段，剩下八段都是 share 的，这样就是固定切分的最好的吗？那 cummax 就主要是方便，性能提升不大）
实验：
第一次有人把 NTY WebNLG ACE 都做了！值得 follow 啊
其它实验比较一般，NTY WebNLG 做了 spo seo 和分长度的，ACE ner 做了在不在 triple 的（这和 motivation 有啥关系啊）
