按理来说，这种大项目，这样的验收时间并不算富裕，不过周昀有信心一年之内搞定。
实验室里，周昀并没有第一时间就开始设计方案，反倒是开始看起了论文。
因为不管是前世还是现在，他接触的都是“小模型”，这里的小模型指的是LSTM、、F这种结构单一，参数量不大的轻量级神经网络。
而他现在要做的项目则需要用到真正意义上的多模态大模型，这种大模型现在普遍都是基于Transformer架构，
虽然Transformer非常厉害，但是也有一个缺点，因为他的主要核心Attention也就是注意力机制，
这种算法的时间复杂度复杂度是O（n^2），所以需要的计算量非常大，这也是为什么现在市面上的大模型训练需要的显卡都是几千几万张。
大模型和小模型之间除了算力消耗和成本上有着巨大差异，在整体架构上也有着明显的差异。
一个小模型可能只需要几百行代码就能完整的写出来，然后开始运行。
而一个真正意义上的大模型想要正常运行，除了其核心代码之外还需要各种的配套功能的代码，这些加起来几万行都算是少的了。
他在这方面的，不管是经验还是知识都很欠缺，所以第一步就是——看文献，至少要熟知多模态大模型领域所有的先进技术之后，他才会开始计划怎么将现有参数量不大的模型进行升级。
其实这一步应该是在谈项目之前就做的，只不过周昀那个模型的性能实在太优秀了，
内容未完，下一页继续阅读