您的当前位置:首页 > 综合 > 传神语联何恩培:依赖Scaling Law的大模型路线已遇瓶颈 正文

传神语联何恩培:依赖Scaling Law的大模型路线已遇瓶颈

时间:2024-11-24 06:09:07 来源:网络整理 编辑:综合

核心提示

11月19日消息,近日,传神语联推出“任度数推分离大模型”,模型采用双网络架构实现数推分离,把推理网络与数据学习网络分开。据介绍,可将其理解为两个协同联动的大脑:一个是客户数据学习网络大脑,专注于数据

11月19日消息,传神近日,语联遇瓶传神语联推出“任度数推分离大模型”,何恩聊城市某某企业管理咨询销售部模型采用双网络架构实现数推分离,培依把推理网络与数据学习网络分开。的大模

据介绍,型路线已可将其理解为两个协同联动的传神大脑:一个是客户数据学习网络大脑,专注于数据的语联遇瓶动态管理与迭代训练,为模型持续注入知识;一个是何恩推理网络大脑,作为经大量数据预训练的培依基础网络,有良好的的大模聊城市某某企业管理咨询销售部推理和泛化能力。

随着AI技术进入规模化应用阶段,型路线已传统大模型的传神开发逐渐暴露出成本高昂、效率低下的语联遇瓶难题。尤其在参数规模不断扩大的何恩背景下,Scaling Law(规模定律)的局限性愈发显著。

传神语联创始人何恩培认为,仅依赖Scaling Law的大模型路线已遇瓶颈,要真正突破需依靠算法与架构。


双网络通过共享嵌入层和中间表示层协同工作,形成类似“主脑”与“辅脑”的高效配合模式,既支持独立训练,也支持联合推理。

这一双网络架构通过共享嵌入层和中间表示层,实现灵活独立训练与高效联合推理,提升模型性能的同时显著降低成本。

据悉,相比传统大模型,“任度双脑大模型”架构在多个关键领域实现突破:一是实时学习: 数据学习网络支持上下文无限制输入,可动态处理海量数据,缩短训练时间至分钟级;二是数据隐私保护: 客户数据本地完成训练,无需上传至云端;三是成本优化:减少模型参数规模,大幅降低算力需求与硬件投入成本。

何恩培坚信,“算法制胜”是具有中国特色的技术路径之一,在以大模型为代表的AI时代尤为重要。相信中国有很多像传神这样的团队在默默耕耘,正在以独特理念引领智能创新。(袁宁)

延伸阅读
  • 小鹏Q3营收破百亿,交付4.7万辆,亏18.1亿
  • 余承东捂不住了!华为Mate 70真机大曝光,AI功能整大活,自研芯自研系统拉满
  • 小鹏汽车发布三季度财报:交付汽车46533辆 营收101亿