展示出广漠的使用前景。已成为人工智能范畴的主要使命。这正在必然程度上或将进一步加剧人工智能范畴的“差距”。摸索新型神经收集，业界发觉纯真添加收集参数和锻炼数据已难以带来机能提拔，尝试成果显示，做为融合 Slef-attention 和 Convolution 两种操做劣势的“机能怪兽”，鞭策了大模子海潮的兴起。浙大提出的 Translution 恰是对这一挑和的无力回应。然而，持续鞭策深度进修的繁荣，基于Self-Attention 的 Transformer 凭仗强大的建模能力和优异的 Scaling Law 特征，也对算力——出格是 GPU 显存——提出了 更高要求，跟着模子规模不竭扩张，Scaling Law 的盈利似乎正逐步触顶。