View Attach (23) Info

Add new attachment

In order to upload a new attachment to this page, please use the following box to find the file, then click on “Upload”.

List of attachments

Kind Attachment Name Size Version Date Modified Author Change note
webp
 4e7c1d503f297ebcfadf803df8cd36... 120.6 kB 1 12-Oct-2024 16:50 14.155.205.235
pdf
 DeepSeek-V2-MoE架构和计算流程.pdf 10,032.5 kB 1 14-May-2025 09:51 103.243.180.9
pptx
 MoR.pptx 458.5 kB 1 19-Sep-2025 16:58 14.155.114.124
pptx
 Neural Logic Machines (NLM) 论文... 239.9 kB 1 02-Mar-2026 09:52 14.153.56.177
pdf
 OneFlow技术年货（2023）公众号 .pdf 92,656.5 kB 1 15-Oct-2024 09:42 14.153.207.59
pptx
 OpenAI 机械可解释性新范式解析(1).pptx 1,406.6 kB 1 25-Dec-2025 10:54 14.155.111.65
pptx
 RAG分享.pptx 45,303.6 kB 1 24-Oct-2024 09:26 14.153.207.13
pdf
 Tranfromer解码器分享.pdf 40,589.8 kB 1 24-Oct-2024 09:34 14.153.207.13
pptx
 Vision Transformer.pptx 1,720.8 kB 2 19-Sep-2025 16:59 14.155.114.124
pptx
 factor-VAE.pptx 971.6 kB 1 24-Jul-2025 19:43 14.153.66.215
docx
 wordQ&A.docx 15.2 kB 1 07-Nov-2024 14:38 14.155.107.185
jpg
 关于训练.jpg 7,252.1 kB 1 14-Feb-2025 17:07 14.153.82.186
pdf
 基于超尺度全域观察者的物理统一理论.pdf 433.9 kB 1 06-May-2026 18:17 14.155.118.116
pdf
 基于超尺度全局观察者的物理统一理论.pdf 679.6 kB 4 07-May-2026 09:29 14.155.118.116
pdf
 宏观经济学基础.pdf 59,096.6 kB 2 02-Dec-2025 12:09 14.153.59.6
png
 微信图片_20250218094951.png 2.8 kB 1 18-Feb-2025 09:52 14.153.82.186
doc
 微调.doc 574.5 kB 1 28-Oct-2024 16:20 14.153.207.13
pptx
 扩散模型.pptx 1,176.6 kB 1 19-Sep-2025 17:08 14.155.114.124
pptx
 数据传递---以纯文本Q&A问答对格式.pptx 36,019.1 kB 1 07-Nov-2024 14:37 14.155.107.185
pptx
 旋转位置编码.pptx 470.5 kB 1 19-Sep-2025 16:58 14.155.114.124
png
 熵.png 6.5 kB 1 16-Jul-2025 09:47 14.153.56.211
pdf
 量化交易相关基础概念.pdf 14,406.8 kB 1 02-Dec-2025 12:10 14.153.59.6
pdf
 金融市场交易者类型划分.pdf 9,851.8 kB 1 02-Dec-2025 12:10 14.153.59.6

This page (revision-180) was last changed on 25-May-2026 14:56 by 88.210.36.107

This page was created on 12-Oct-2024 16:47 by 14.155.205.235

Only authorized users are allowed to rename pages.

Only authorized users are allowed to delete pages.

Difference between version and

At line 1 added 48 lines
!!!爱因斯坦说：我不可理解的是，这个世界为什么是可以理解的？
曼德勃罗说：这个世界是一个分形世界。我说，因为分形在时间和空间各个维度上不断重复，每一个人才能在任意时刻任意一点能感受到相同的本质，所以世界可以理解。
!!维特根斯坦说：语言的边界就是世界的边界
咱说：语言就是思想的符号，思想就是理解这个世界的结构
!!维特根斯坦又说：世界是事实的总和，而是事实是事物之间关系，或者事物某种状态的描述
我说：完全同意维特说法，而且用嵌入空间的话来翻译的话就是:事物就是静态向量（词嵌入），事实(我有时候也说是事务)就是动态向量（句向量或者文本向量）。
!!维特根斯坦还说，这个世界是相互联系确定的事实组成，但事实又是独立的，所以任何一个局部世界都可以分解，貌似有逻辑冲突。
我总结：事实之间的联系有两种联系，一种本质（非线性或者质变）联系，一种非本质（线性，或者说量变）联系。 所以事实之间（非本质的量变）联系构成了一个稳定本质的系统，那么就是这个系统就是一个独立事物系统。那么这个系统可以是包含这个系统的更大系统的独立事物。
!!这个世界为啥有线性和非线性？
因为这个世界有量变（线性）到质变（非线性），可为啥这个世界有量变到质变呢？ 因为没有量变到质变就没有分形世界，不断重复的本质，才能用符号定义，这就是理解的本质
!!大模型为啥会有涌现现象？
涌现本质是大模型通过大量数据训练，构建的概念世界结构，已经理解到了世界本质。学习到了高层次的规律
!!如何评估一个模型有没有产生智慧?
我认为 scaling law 并不是关键，而是模型内部结构的熵减程度，用程序员的话说，就是代码结构精巧程度。也就是相同复用逻辑，没有出现代码其他地方，也就是写代码不是用不停的复制黏贴产生。用普通人话就是这个人是否活得通透，自相似度（术语是分形维度[|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/%E5%BE%AE%E4%BF%A1%E5%9B%BE%E7%89%87_20250218094951.png]）或者[|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/%E7%86%B5.png]，就是精巧度。
!!人是如何分析解决问题的呢？
先定性分析（抓本质），然后在定量分析（抓细节）。（这个就是人通往解决问题，拟合世界的高效分析法）
!!写作之难，在于把网状的思考，用树状结构，体现在线性展开的语句里。
生成内容之难，正如[斯蒂芬·平克|https://sspai.com/post/66959]如是说，而把线性空间里的语句，梳理成树状结构，然后嵌入网状的理解结构里，就是阅读之难，也是模型训练之难
!![大模型本质是用有限参数（符号）表达无限的宇宙|nature]
!![基于超尺度全域观察者的物理统一理论——量子力学与经典力学、随机性与确定性的融合的哲学思考|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/%E5%9F%BA%E4%BA%8E%E8%B6%85%E5%B0%BA%E5%BA%A6%E5%85%A8%E5%B1%80%E8%A7%82%E5%AF%9F%E8%80%85%E7%9A%84%E7%89%A9%E7%90%86%E7%BB%9F%E4%B8%80%E7%90%86%E8%AE%BA.pdf]
!![观察是意识的开始，是智能的自相似递归，能量完成自观察的结果|self-consciousness]
!!有趣的认知分享
[混沌系统|https://www.jianshu.com/p/3f6508301c4f]\\
[自组织|https://zhuanlan.zhihu.com/p/495786957]\\
[复杂系统研究|https://www.thepaper.cn/newsDetail_forward_14794450]\\
[分层智能|https://www.toutiao.com/article/7532337339218412047/?timestamp=1753771741&share_uid=MS4wLjABAAAAUMegIZqr2nYWpGU23RGe_pzdT3Uj_ozs1gsAEwYPcmc&share_did=MS4wLjACAAAAXHEoYc5mUGzqUqMZ-_mLWTUtUrRuJidK5OHLiD8ie8Y&app=news_article&upstream_biz=client_share&category_new=__all__&share_token=87faad07-cd42-47a2-9632-14ef6dabb9ec&source=m_redirect]\\
[生物神经网络精细仿真算法|https://idm.pku.edu.cn/info/1012/1758.htm]\\
[精细神经元|https://blog.csdn.net/Fellyhosn/article/details/130048518]\\
[大脑看世界的方式，竟与语言模型惊人一致|https://doi.org/10.1038/s42256-025-01072-0]\\
[知识蒸馏|https://zhuanlan.zhihu.com/p/637108617]\\
[控制论与科学方法论|https://zhuanlan.zhihu.com/p/399765962]\\
[系统论|https://www.cnblogs.com/haohai9309/p/18921515]\\
[非解释性小模型也可以有大模型的能力|https://cloud.tencent.com/developer/article/2335354]\\
At line 3 changed one line
[KAN|https://arxiv.org/html/2408.10205v1]
[KAN|https://arxiv.org/html/2408.10205v1]\\
At line 53 added 8 lines
[BERT|https://arxiv.org/abs/1810.04805]\\
[基于大模型技术的图像识别技术 vision transformer|https://arxiv.org/abs/2010.11929]\\
[lora微调|https://arxiv.org/abs/2106.09685]\\
[DeepSeek(时不我待，已经有人往这个方向迈进了)|https://arxiv.org/pdf/2401.06066]\\
[MiniMax（Google 最新模型）|https://arxiv.org/abs/2501.08313]\\
[MOR|https://arxiv.org/pdf/2507.10524v1]\\
[基于MOE的黑箱分时分块训练（非最优解）|https://arxiv.org/abs/2602.11543]\\
[弹性 AI 预训练来自google|https://arxiv.org/pdf/2604.21428v1]\\
At line 7 changed 2 lines
[李徐赢的分享|https://boardmix.cn/app/editor/YifvuGYyx_5MI17zuH5ztQ?inviteCode=Kwl2zE]
[李徐赢的分享|https://boardmix.cn/app/editor/YifvuGYyx_5MI17zuH5ztQ?inviteCode=Kwl2zE]\\
[余烨的分享|https://zcnai77qcmqz.feishu.cn/file/HLbubgY25ofKnRxpP7Rc27U9ndb]\\
At line 12 changed 3 lines
!!Transfomer
[李徐赢的分享|https://boardmix.cn/app/editor/HU8TtLwFYfLeWBt_C0TUgA?open_in_browser=true&inviteCode=Kwl2zE]
[盛伟的分享|https://pptgo.cn/app/share/CAE.IAEqEHWyh5RP2aUt4ZkKvULsYgwwAkABSgozNDU4MTMwNDY0]
!!Transformer
[李徐赢的分享|https://boardmix.cn/app/editor/HU8TtLwFYfLeWBt_C0TUgA?open_in_browser=true&inviteCode=Kwl2zE]\\
[盛伟的分享|https://pptgo.cn/app/share/CAE.IAEqEHWyh5RP2aUt4ZkKvULsYgwwAkABSgozNDU4MTMwNDY0]\\
[王士昌的分享|https://c93wv2pcay.feishu.cn/docx/LJkZdTMYJop3ApxCIeccXFeTnT5]\\
[王士昌的transformer代码实现分享|https://icnwnitmcdqj.feishu.cn/wiki/A13hwfJmWipzTQkOkuTc1C5xnHc?open_in_browser=true]\\
[翻译模型的训练代码结构图|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/%E5%85%B3%E4%BA%8E%E8%AE%AD%E7%BB%83.jpg]\\
At line 16 changed 2 lines
!!大模型技术分享
[OneFlow|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/OneFlow技术年货（2023）公众号 .pdf]
!扩散模型
[龙君言|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B.pptx]
At line 19 changed 2 lines
!!!自成长模型
自成长模型是一个可以由小到大，自我成长的模型。也就是可以在生产环境里自我进化的模型。
!VIT分享
[龙君言|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/Vision%20Transformer.pptx]
At line 22 changed one line
!!自成长模型要解决的问题\\
!MOR分享
[龙君言|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/MoR.pptx]
At line 24 changed 4 lines
1、训练成本巨大的问题\\
2、可靠性问题（模型幻觉问题）\\
3、推理过程中不能训练问题\\!!
4、输入token限制问题\\
!旋转位置编码分享
[龙君言|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/%E6%97%8B%E8%BD%AC%E4%BD%8D%E7%BD%AE%E7%BC%96%E7%A0%81.pptx]
At line 29 changed one line
!为啥我们能解决上述问题：\\
!factor vae模型分享
[龙君言|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/factor-VAE.pptx]
At line 31 changed 5 lines
因为理解就是结构，符号化的理解结构(KAN的一个核心思想就是把连接主义和符号主义结合)，就是自成长模型的基础\\
1、符号化的理解结构就是可以解释的结构，就是精确稳定的结构，所以是减少重复训练的基础\\
2、符号化就是用符号精确映射计算机结构与外部世界结构化的方式，所以可以解释,可解释才能做到可靠\\
3、符号化的理解结构，因为可解释，才能在推理（对话）过程中，定位到要修改的结构，才能实现推理即训练的过程\\
4、实现了推理即训练(有人定义为训推同步)，才能摆脱token的上下文限制问题。\\
!deepseek
[敖博士的分享|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/DeepSeek-V2-MoE%E6%9E%B6%E6%9E%84%E5%92%8C%E8%AE%A1%E7%AE%97%E6%B5%81%E7%A8%8B.pdf]
At line 93 added 2 lines
!!大模型技术分享
[武庭轩|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/OneFlow技术年货（2023）公众号 .pdf]
At line 96 added 2 lines
!!微调数据分享
[余烨的分享|https://icnwnitmcdqj.feishu.cn/wiki/EmlBwvMwGiqGHZkySvSckLENnMd?from=from_copylink]
At line 39 changed 4 lines
!!我们自成长模型的核心工作\\
1> transformer形成的理解结构在哪里？\\
2> 符号化这个理解结构，应该咋做？\\
3> 如何在推理（就是对话）过程中，改变这个理解结构？\\
!!知识蒸馏
[敖博士的分享|https://icnwnitmcdqj.feishu.cn/wiki/P5NkwsGYdiD3QLkuVCecejJ1n6e?from=from_copylink]
At line 44 changed one line
当然，本人已经有充分答案。但每一位参与者都应该深刻思考这些问题
!!OpenAI的机械可解释分享
[余烨的分享|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/OpenAI%20%E6%9C%BA%E6%A2%B0%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7%E6%96%B0%E8%8C%83%E5%BC%8F%E8%A7%A3%E6%9E%90%281%29.pptx]
At line 47 changed 4 lines
!!我们的自成长模型的大致模块\\
1、认知模型-概念世界（解决客观世界的符号化世界模型,我们当前第一学术目标）(此模型是建立在人类认知能力之上的模型)\\
2、认知模型-虚拟3D世界模型（解决客观世界的非符号化世界模型,以后实现）（脱离人类认知能力，发展出从物理世界中认知事物的能力）\\
3、灵魂模型(解决赋予人工智能的情感问题，也可以理解成强化学习中环境给模型行为打分的问题，以后实现)\\
!!基于MLP神经网络的规则模型实现
[余烨的分享|http://www.mandelbrot.cn:8080/JSPWiki/attach/Share/Neural%20Logic%20Machines%20%28NLM%29%20%E8%AE%BA%E6%96%87%E8%AE%B2%E8%A7%A3.pptx]
!![可解释的自成长模型是通向AGI的唯一路径|selfGrowModel]
!![个人介绍|resume]
Version Date Modified Size Author Changes ... Change note
180 25-May-2026 14:56 5.311 kB 88.210.36.107 to previous
179 25-May-2026 09:30 5.29 kB 14.155.109.39 to previous | to last
178 25-May-2026 09:30 5.292 kB 14.155.109.39 to previous | to last
177 06-May-2026 19:27 5.255 kB 88.210.36.109 to previous | to last
176 06-May-2026 18:20 5.255 kB 14.155.118.116 to previous | to last
175 06-May-2026 18:19 5.25 kB 14.155.118.116 to previous | to last
174 06-May-2026 18:18 5.295 kB 14.155.118.116 to previous | to last
173 25-Apr-2026 14:25 4.994 kB 14.155.108.190 to previous | to last
172 25-Apr-2026 14:24 5.039 kB 14.155.108.190 to previous | to last
171 11-Apr-2026 16:29 4.936 kB 14.153.67.100 to previous | to last
170 13-Mar-2026 11:47 4.936 kB 141.11.43.207 to previous | to last
169 02-Mar-2026 09:53 4.877 kB 14.153.56.177 to previous | to last
168 19-Jan-2026 11:25 4.715 kB 14.153.65.163 to previous | to last
167 19-Jan-2026 10:17 4.756 kB 14.153.65.163 to previous | to last
166 25-Dec-2025 11:24 5.239 kB 14.155.111.65 to previous | to last
165 25-Dec-2025 10:55 5.238 kB 14.155.111.65 to previous | to last
164 25-Dec-2025 10:55 5.232 kB 14.155.111.65 to previous | to last
163 25-Dec-2025 10:54 5.061 kB 14.155.111.65 to previous | to last
162 23-Dec-2025 18:36 5.034 kB 14.155.111.65 to previous | to last
161 23-Dec-2025 16:08 5.03 kB 14.155.111.65 to previous | to last
« This page (revision-180) was last changed on 25-May-2026 14:56 by 88.210.36.107