(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.