中国科学院自动化研究所称，“瞬悉1.0”在多个核心性能上实现突破，得益于这种设计，该模型能依托高效转换训练范式，以约为主流大模型2%的预训练数据量实现与众多开源Transformer模型在多任务语言理解（…
技术突破体现在四大核心领域：其一，模型训练复杂度为线性或近线性，显著提升长序列训练效率；其二，推理效率实现数量级提升，尤其适用于超长序列场景；其三，构建了适配国产GPU集群的完整生态，包括高效训练框架、算子…
当前主流人工智能模型普遍采用Transformer架构，这类模型在处理法律文书、医学报告等超长文本时，存在计算速度慢、能耗高等问题。 该成果首次实现了大规模类脑线性基础模型架构的国产化构建，其超长序列处理能…
中新网北京9月8日电 (记者 孙自法)中国科学院自动化研究所9月8日宣布，该所研究团队最新成功研发并发布类脑脉冲大模型“瞬悉”1.0(SpikingBrain-1.0)，实现两个首次和多项核心性能突破，为新一…
中国科学院自动化研究所表示，“当前，基于Transformer架构的大模型在Scaling law驱动下，通过增加网络规模、算力资源和数据量提升模型智能水平，但模型的基本计算单元为简单的点神经元模型，我们将…
全流程国产GPU，上下文提速100倍！中科院发布“线性复杂度”类脑大模型
在实验测试中，“微波大脑”芯片在分类无线信号上，准确率可以超过88%。
作为类脑智能技术的创新应用成果，该智算集群具有”存算一体、众核并行、稀疏计算、事件驱动”的特性，可显著提升计算效率、大幅降低能耗，实现大语言模型推理的“一快、一低、一降”：一是推理速度快，单用户的推理延迟…
07/09 12:20
07/09 12:19
07/09 12:18
京公网安备 11011402013531号