中国经济网络保留的所有权利
中国经济网络新媒体矩阵
在线视觉音频程序许可证（0107190）（北京ICP040090）
这位记者了解到，今天（9月8日）（9月8日），该研究所的Li Guoqi和Xu Bo Team最近与相关部门合作，成功地开发了类似于大脑“ Spikikingbrain-1.0”的脉冲模型。该模型基于团队的原始“内源性复杂性”理论，并完成了国家GPU平台上完整流程的培训和推断。这大大提高了大型模型的效率和速度，这表明有可能有效处理非常长的文本序列并构建具有国家一级的新的可控制的建筑生态系统（不是运输形式）。他们的主要变压器模型oftoday非常缓慢且昂贵，无法处理非常长的文章和对话，这会导致大量资源消费。当前大型模型的快速发展是由大量资源消费驱动的。因此，迫切需要开发具有低能消耗和高效率的新型大型模型。与当前的大型大型模型结构（TransQuitectura）不同，“ Shushi 1.0”使用脑神经元的内部工作机制清楚地显示出新的可行途径，以不断提高模型的复杂性和性能。该模型仅需要传统模型数据量的2％，以实现与多种语言和推理任务理解的许多常规模型相当的性能。这是我国家第一次提出了一个很棒的线性模型架构，建立了训练框架和在GPU国家计算机电源组上的脑脉冲模型的推理。它的超长序列处理能力在mod中具有潜在的效率优势超长序列任务的阶段，包括对法律和医学文档的分析，多种代理的复杂模拟，高能粒子物理实验，DNA序列分析和分子动力学轨迹。这次推出的伟大模型是开发新一代人工智能的新技术特征。比例的途径并刺激下一个代代神经理论以及低能消耗的芯片的设计。 （CCTV记者Shuai Junquan和Chu Erjia）