如何评价：中国科学院自动化研究所 通用类脑大模型-SpikingBrain-瞬悉 1.0

[SGL]

有大模型相关领域的吗，这个研究有趣吗。

https://controller-fold-injuries-thick.trycloudflare.com/

[totoro52]

传统大模型普遍采用 Transformer 架构，其计算复杂度随序列长度呈平方级增长，导致训练和推理成本居高不下。SpikingBrain-1.0 突破性地引入脉冲神经元技术，构建了线性（ 7B 参数）和近线性（ 76B 参数）复杂度模型。测试数据显示，在 GPU 环境下处理 100 万长度序列时，其首个 Token 生成速度较主流模型提升 26.5 倍；处理 400 万长度序列时，保守估计速度提升超过 100 倍。移动端测试同样亮眼，在手机 CPU 上处理 6.4 万至 25.6 万长度序列时，解码速度较同规模 Llama3.2 模型提升 4.04 至 15.39 倍。

[totoro52]

问了 8.6 和 8.10 哪个大？ 回答如下：
8.10 大于 8.6 。
原因:
版本号中的数字从左到右依次递增，且每位数字按十进制比较大小。例如:
。主版本号(第 1 位)相同的情况下比较次版本号(第 2 位)。若主版本号不同，则直接对比主版本号
结论:8.10>8.6 。

[KinBob]

问题：我叫我的姐姐的女儿的舅舅的儿子叫啥

[brsyrockss]

@KinBob 回答：我 dnmd 回家问你姐去

[cherryas]

@totoro52 你这个回答的是版本号是正确的。 我加了个数学中：

在比较两个小数时，应先比较整数部分，再依次比较小数部分的每一位。

整数部分均为 8 ，相等。

8.6 的小数部分为 0.6
8.10 的小数部分为 0.10
0.10 （十分位上的 1 ，百分位上的 0 ）。
结论：
8.6 大于 8.10 。

[hanbing135]

@totoro52 已经修正了

[deplives]

[c4923]

@KinBob 你叫你的姐姐的女儿的舅舅的儿子叫"曾侄子或曾侄女"。

详细推理过程：

起点：你自己 → "我"
姐姐的女儿 → 表妹的孩子，即你的外甥或外甥女。
舅舅的儿子 → 表兄弟姐妹的孩子中的一个（舅舅一般有多个儿子）。
舅舅的儿子的儿子 → 孙辈，即你的曾侄子或曾侄女。
因此，最终的答案是第三代亲属，即曾侄子或曾侄女。

[WillBeethoven]

眼一花看成了 SpringBrain

[lance07]

随便问了个系统设计问题， 纯胡言乱语啊， 不管啥都给你扯什么模型啥的， 还有一堆莫名其妙的概念

[hongc]

它说：““你爸爸的妈妈”指父亲的外婆。”
......

[joshuacavell]

笑死,我问"我和我的七舅姥爷是什么关系"
推理过程:"“舅”通常指父亲的兄弟，也就是姑父。“姥”则是母亲的姐妹，也就是姨妈。"

[Goooooos]

还有很多优化空间

[KinBob]

@c4923 我问的时候回答是堂弟，感觉逻辑处理一团糟

[v2tex]

想起来一张图：不管对不对，你就说我算的快不快吧（

[c4923]

@v2tex 哈哈哈哈，问题是算的也不快啊

[yb2313]

问了一下感觉智力过低, 中科院做出 ai 成果有可能, 但做成跨时代成果不可能

[siriussilen]

“传统大模型普遍采用 Transformer 架构，其计算复杂度随序列长度呈平方级增长，导致训练和推理成本居高不下” 不然嘞，linear attention 没什么问题，就是性能拉跨， 你想想为什么大家都在用 transformer 呢？

[coefu]

目前只是 1.0.

完全不同的技术路线，能走通，并有一定的效果，就是很好的了。

脉冲神经网络（ SNN ）目前硬件没有跟上，当硬件跟上配合的时候，能在极低的功耗下工作，比当前的 ANN 有搞头的多。

这就像是 gpt1 ，你不能用 gpt5 的水平去要求 gpt1 。

很遗憾，在程序员这个节点，没有看到前瞻性的老铁。可能大家的知识点都被框在了 web 体系。整个计算机科学与技术，不止 web/移动端 这些。

[coefu]

@siriussilen 2017 年 transformer 出来之后，谁会预料到 gpt3.5 在 2023 年就起来了呢？当然了，snn 做 LLM ，因为可以摸着石头过河，所以比之 gpt1~gpt3 的原创突破性有所不足，但至少也填补了一条非 transformer 路线的空白，并且因为 snn 的低功耗和时序处理优势，可能会走出一条更好的路线。
transformer 的各种变种都已经是强弩之末了（ LLM 的功能和性能的边际效应递减，导致代际提升放缓，gpt4~5 的提升并没有 1~3 激烈），你不想想为什么要找新路线？