中国科学院自动化研究所的记者（9月8日）最近得知，该研究所的李郭基和Xu Bo团队最近与相关部门合作，成功地开发了诸如大脑“ Spikingbrain-1.0”之类的手腕模型。 △就像腕部手腕大型“ Shushi 1.0”接口一样，模型也内置在原始的“内源复杂性”理论中。它在国内GPU平台上完成了全面处理的培训和推理，该培训和推理大大提高了大型模型的效率和速度，以有效地处理文本或数据序列的额外时间，并显示出开发一种在国内可控制的新（非转移）大生态系统建筑模型的可行性。当处理超长的文章或转换时，主变压器的当前模型将非常缓慢且昂贵，这会导致大量资源消耗。可以说，当前大型模型的快速发展是由大型驱动的资源消耗。因此，紧急开发出具有低功耗和高效率的大型模型的新途径。与当前大尺寸模型（变压器体系结构）的主要体系结构不同，“ Shushi 1.0”采用了脑神经元的内部工作机理，并清楚地显示了一条新的可行途径，以继续改善模型的复杂性和性能。该模型仅需要基本模型的数据量的大约2％，即可在许多语言理解任务和活动中实现与许多基本模型相当的性能。这是我的国家第一次提出大规模线性，这是一种主要的建筑模型，并为腕部模型（例如GPU计算能力群中的大脑）建立了训练框架和理解。超长的订单处理能力在建模法律和医疗文档检查，复杂的情况下，在超长任务中具有显着的效率的潜在效率多代理模拟，高能物理实验，DNA序列分析和动态轨迹的分子。此时发布的巨大模型为开发新一代人工智能提供了一条新的技术途径，并将激发下一代神经形态计算理论和芯片设计，并以较低的电力消耗。 （CCTV记者Shuai Junquan和Chu Erjia）