Was hat ein 17-jähriger chinesischer Oberschüler gemacht? Sogar Musk konnte nicht anders, als zu liken 👍
In der KI-Community wird derzeit der Name eines chinesischen Oberschülers viral
Ein kürzlich aus China veröffentlichter Artikel erhielt sofort einen öffentlichen Kommentar von Musk auf Twitter: „Impressive work from Kimi.”
Was die globale KI-Community schockierte, ist, dass der 🇨🇳 chinesische Genie im Bereich KI aus den Hochschulen hervorgeht!
📌 So geschah es
Dieser Schüler heißt Chen Guangyu, und sein Team ist das Unternehmen Moonshot AI, das Kimi entwickelt hat.
Chen Guangyu ist der Hauptautor des Papiers „Attention Residuals: Rethinking depth-wise aggregation“.
Das Papier schlägt eine neue Methode zur Informationsaggregation zwischen Modell-Schichten vor: die Verwendung des Softmax-Aufmerksamkeitsmechanismus anstelle der traditionellen festen Residualverbindung.
Und in mehreren gängigen Testbenchmarks hat diese Methode deutliche Verbesserungen gebracht.
Der Kerngrund, warum Chen Feiyu Aufmerksamkeit erhält, ist, dass viele KI-Forscher durchlaufen müssen:
Bachelor → Master → Doktor → Labor
Er trat direkt in das Team zur Modellentwicklung ein.
Von der ersten Berührung mit großen Modellen bis zur Veröffentlichung von Forschungsergebnissen und globaler Aufmerksamkeit vergingen nur etwa ein Jahr.
In der KI-Community wird derzeit der Name eines chinesischen Oberschülers viral
Ein kürzlich aus China veröffentlichter Artikel erhielt sofort einen öffentlichen Kommentar von Musk auf Twitter: „Impressive work from Kimi.”
Was die globale KI-Community schockierte, ist, dass der 🇨🇳 chinesische Genie im Bereich KI aus den Hochschulen hervorgeht!
📌 So geschah es
Dieser Schüler heißt Chen Guangyu, und sein Team ist das Unternehmen Moonshot AI, das Kimi entwickelt hat.
Chen Guangyu ist der Hauptautor des Papiers „Attention Residuals: Rethinking depth-wise aggregation“.
Das Papier schlägt eine neue Methode zur Informationsaggregation zwischen Modell-Schichten vor: die Verwendung des Softmax-Aufmerksamkeitsmechanismus anstelle der traditionellen festen Residualverbindung.
Und in mehreren gängigen Testbenchmarks hat diese Methode deutliche Verbesserungen gebracht.
Der Kerngrund, warum Chen Feiyu Aufmerksamkeit erhält, ist, dass viele KI-Forscher durchlaufen müssen:
Bachelor → Master → Doktor → Labor
Er trat direkt in das Team zur Modellentwicklung ein.
Von der ersten Berührung mit großen Modellen bis zur Veröffentlichung von Forschungsergebnissen und globaler Aufmerksamkeit vergingen nur etwa ein Jahr.