[ta if pao新闻]记者刘·宁兹（Liu Ningzhe）报道了北京报道：最近，中国科学院自动化研究所的李·古奇（Li Guoqi）和Xu bo团队与国内GPU（图形处理器）合作，他们成功地开发了一种“ Spikikingbabin-1.0” Spikingbain-1.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0 ligess。该模型是在“内生复杂性”理论中内置的，并完成了对国内GPU Muxi Metax平台的全面处理训练和认可，该培训显着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长度。当前，诸如DeepSeek和Chatgpt之类的基本模型都采用了变压器体系结构，而“ Shishi 1.0”采用了脑神经元的内部工作机制，以清楚地显示出新的可行途径，以继续改善Modelo的复杂性和性能。研究人员Li Guoqi说，基本模型的功耗已经固定，即使需要大量计算。此外，他们写了几乎所有“整体”对话的历史，这在与长时间的对话交谈时越来越慢。 “'Shushi 1.0'是基于一种新的大脑原则，可以压缩和完善对话的历史。就像人类记忆一样，每次都没有必要阅读所有历史，并且仍然可以迅速响应超长的对话场景。” Li Guoqi说，“ Shushi 1.0”采用了一种脉冲驱动的机制，并且只能根据需要触发计算，因此能耗会根据实际条件而不断变化，而不是恒定的conjunctioni高水平。它需要专用的硬件支持，但好处是能源效率的比率大大提高。 “在同一超长的对话中，'Shushi 1.0'可以更快地响应并混合良好，同时节省更多的移动设备或低功率设备。”值得一提的是，“ Shushi 1.0”已经实现D在许多主要表现中的突破。首先，在太低数据中进行良好的培训可以在多任务语言理解，对中国多任务语言的理解以及常见的推理能力等活动中实现可比的表现，并具有大约2％主要大型模型的预先训练的数据。其次，提高概念效率的幅度的顺序：推理阶段结合了脉冲神经元的事件驱动的th细菌，以显示超长顺序处理能力的数量级提高。此外，“ Shushi 1.0”已经完成了像大脑生态系统一样独立和控制的国内建设。 Ang "Shushi" ay inangkop sa mahusay na pagsasanay at pagkilala sa mga frameworks para sa mga kumpol ng domestic GPU, triton operator library, modelo ng mga diskarte sa paralelismo at mga primitibo ng kumpol ng kumpol, na nagpapahiwatig ng pagiging posible ng pagbuo ng isang bagong domestically-controlable na hindi transformer na malalaking modelo ng ecosystem, at nagbibigay ng malakas na suporta para sa operasyon ng mga malalaking modelo ng utak na may mababang Strength.