北京
（来源：作家方晓莉）
近日，大家关注到有一则新闻，叫《“‘DeepSeek发布最新论文，破解大模型训练拥堵难’”》。全文如下。
’”：祝福。
这里，我剖析两个概念。第一。什么是“mHC”，根据这个新闻上说，“mHC: Manifold-Constrained Hyper-Connections”属于一种“流形约束超连接”其实简单说，就是信息思维突破不了原有约束；这是因为之前信息源来源不止的时候，且无法正确分析，出现的一种失误或者错误，在这种前提下，所产生利用“mHC”：姑且怎么说，而增加的微信链接微缩级代表，类似于拓扑结构进行第一层，甚至第二层，第三层……甚至很多层的分析，但是最后结果是什么？……其实很简单。
信息源的无法确定，导致次信息要素的集合呈现。这是一种弥补状态。因为原本呈现的不是第一要素，或者是通过其他途径而获得的信息因素，在这种情况下无法进行更多突破的时候，为了确保正确性，这个时候采取这种“超连接”的过程当中，以所谓“mHC”的形式出现，其实是有弊端的，那就是需要不断地“mHC”， 知道产生如何一两个真正的“MHC”后，可能才能够透视结果：但是无法透视第一原型的话，可能最终桎梏于此。
第二。关于期间提到的“字节”所谓“HC”的概念，这个更合理。因为原本字节还没有成为储蓄一个信息源的过程，它很多信息源甚至可以说是分散的，还没有形成一个完整闭环。很多信息要素，单纯网络上有信息资源或者信息资源库，但是往往还没有形成一个真正的闭环，在这种情况下，无法形成真正的信息要领。
在这种情况下，所谓的“HC”显得链接便有点勉强。我只能这么说。
PS：
目前全球在人工智能方面，很多发展得不咋地，严格说，还没有进入真正的思维，但却可以通过一些技巧性办法进行训练的方式，这个时候的“AI”特质显得更加被动。
距离真正的进程，还很远。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
