목차
3" >3
기술 인력이 거의 90%를 차지합니다
90년대 이후 세대가 주력입니다
9명은 명문 학교 교육을 받은 중국인입니다.
큰 공장은 더 이상 최고의 인재를 위한 첫 번째 선택이 아닙니다.
AI 인재 전쟁
기술 주변기기 일체 포함 ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

Apr 11, 2023 pm 11:49 PM
기술 연구

ChatGPT의 인기는 OpenAI에 대한 관심과 사용자 호감을 불러일으켰을 뿐만 아니라 "OpenAI가 ChatGPT를 만들 수 있는 이유"에 대한 논의에서 그 인적 이점도 외부 세계의 관심의 초점이 되었습니다.

최근 Wisdom Research와 AMiner는 OpenAI 연구팀의 통계 보고서를 발표했습니다. 보고서에 따르면 이번에 ChatGPT 프로젝트에 기여한 사람은 '아주 어리다', '고급스러운 배경을 가지고 있다', '기술에 집중하고 있다', '축적이 깊다', '창업 옹호자' 등 87명이다. 그리고 "중국어" 눈길을 끄는 "및 기타 독특한 특징.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

신고 링크: https://mp.weixin.qq.com/s/Y_LjjsuoEEmhIg5WO_iQhA

이런 100명도 안 되는 팀에서 경이로운 대규모 언어는 ChatGPT 모델이 탄생했습니다. 이로 인해 Google, Microsoft, Baidu 및 Alibaba와 같은 주요 기업에 많은 압력이 가해졌으며 이들은 ChatGPT와 유사한 제품을 긴밀하게 따르고 출시하거나 사전 출시했습니다.

비영리 인공지능 연구 기관인 OpenAI는 AI 경력 개발에 관심이 있는 많은 젊은 인재들에게 항상 기술 천국으로 여겨져 왔습니다. 여기에서 그들은 가장 최첨단이고 창의적인 AI 프로젝트에 직접 참여하고, 핵심 과학 연구 자원을 동원하며, 방해받지 않고 기술 혁신에 전념할 수 있습니다.

최근 몇 년간 소외와 우유부단으로 인해 국내 대형 제조업체의 AI 연구 기관과 과학 연구 인재가 생존에 어려움을 겪었지만, 이번에는 ChatGPT의 영향으로 AI 인재가 대중의 주목을 받을 것이라고 믿습니다. 새로운 시대의 경쟁과 셔플링을 시작합니다.

1

기술 인력이 거의 90%를 차지합니다

90년대 이후 세대가 주력입니다

ChatGPT 팀의 직위 구분(그림 1)에서 본 프로젝트에 참여한 87명 중 , 연구개발 인력 수는 앞서 2023년 AI 2000 분야 가장 영향력 있는 학자로 선정된 회사 공동 창업자인 보이치에흐 자렘바(Wojciech Zaremba)를 포함해 88%를 차지하는 77명에 달했다.

제품 담당자가 4명으로 5%를 차지합니다. 또한, 참가자 6명의 위치 정보를 얻을 수 없습니다.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

그림 1: ChatGPT 팀 직위 구분

멤버 연령 분포(그림 2)를 보면 90년대 이후 세대가 팀의 주력이며, 그 중 노년층이 20~29세 회원은 총 28명으로 34%를 차지하며, 30~39세 회원이 가장 많아 총 50명이 61%를 차지한다. 연령층은 40~49세이며, 60세 이상은 1명뿐이다.

통계에 따르면, 이 연구팀의 평균 연령은 32세입니다.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

그림 2: ChatGPT 팀의 연령 분포

"튼튼한 연령"과 "기술에 대한 집중"은 ChatGPT 팀 구성원의 두 가지 중요한 특징입니다.

평균 연령은 32세에 불과하지만 팀원들은 AI 혁신과 연구 개발에 대한 큰 관심과 헌신을 바탕으로 기술 연구 개발에 집중하고 있습니다. 새로운 글로벌 기술을 폭발시켰습니다. 연구개발 경험이 부족하다고 여겨지는 젊은이들이 첨단 과학기술 분야에서 획기적인 발전을 이루는 것은 전적으로 가능하다고 볼 수 있습니다.

현재 중국에는 OpenAI와 같은 젊은 인재가 부족하지 않습니다.

ChatGPT가 등장한 후 IDEA 연구소의 석좌 과학자인 Zhang Jiaxing은 작년 말 팀의 대규모 모델 개발을 ChatGPT의 대화 작업 라인으로 빠르게 전환했습니다.

그에 따르면 그의 팀의 주요 연구원은 모두 1990년대에 태어난 뛰어난 젊은 인재들입니다. 현재 그들이 개발한 ChatGPT와 유사한 모델은 ChatGPT만큼 효과적이며 매개변수가 50억개에 불과하고 텍스트 생성 속도도 매우 빠릅니다. 현재 내부 테스트 중이며 가까운 시일 내에 대중에게 공개될 예정입니다.

2

9명은 명문 학교 교육을 받은 중국인입니다.

큰 공장은 더 이상 최고의 인재를 위한 첫 번째 선택이 아닙니다.

ChatGPT 팀 구성원은 상대적으로 균형 잡힌 학사, 석사 및 박사 학위 수를 보유하고 있습니다. 그 중 학사 25명, 석사 25명, 박사 28명이 27명으로 각각 33%, 30%, 37%를 차지한다.

그 중 스탠포드 대학교가 14명으로 가장 많은 동문을 보유하고 있으며, UC Berkeley가 10명으로 그 뒤를 따르고, MIT가 7명으로 3위를 차지합니다.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

그림 3: 대학을 졸업한 ChatGPT 팀 구성원 상위 10명

중국 학자는 팀의 기술 혁신에 중요한 역할을 하며 총 9명으로 구성됩니다. 거의 10%.

그 중 5명은 중국 대학을 졸업했고, 3명은 칭화대학교에서 학사 학위를 취득했습니다. 즉, Weng Jiayi, Zhao Shengjia, Yuan Qiming은 현재 팀에서 1명씩 R&D 엔지니어로 활동하고 있습니다. Jiang Xu와 Weng Lilian은 각각 화중과학기술대학교와 북경대학교/홍콩대학교를 졸업했습니다.

그들은 모두 국내 최고의 대학을 졸업하고 석사 또는 박사 학위를 받은 후 추가 연구를 위해 미국으로 갔습니다.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

그림 4: ChatGPT 팀의 중국인 구성원

인력 이직률을 보면 대형 제조업체가 더 이상 최고의 인재를 위한 첫 번째 선택이 아니라는 것을 알 수 있습니다. , 보다 순수한 연구 기관인 OpenAI를 더 선호합니다.

총 5명의 팀원이 2023 AI 2000 글로벌 인공지능 장학생으로 선정되었습니다.

1. OpenAI 공동 창립자 Wojciech Zaremba(선정 분야 및 순위: 로봇 공학, 10위)

2. ChatGPT 연구원 Lukasz Kaiser(선정 분야 및 순위: 머신 러닝, 10위) )

3. OpenAI 공동 창립자, ChatGPT 연구 과학자 John Schulman(선정 분야 및 순위: 기계 학습, 41위)

4. ChatGPT R&D 엔지니어 Tomer Kaftan(선정 분야 및 순위: 데이터베이스, 41위) 52)

5.ChatGPT 연구 과학자 Barret Zoph(선정 분야 및 순위: 머신러닝, 95위)

외부 기업 직원 비율, 대학교 신입생, 과학 연구 기관 및 대학 교수진 비율은 81%, 13%였습니다. , 4%, 3%가 대부분이며 Google, Microsoft, Meta, Intel, NVIDIA, Apple 등 유명 기술 기업 출신입니다. Google에서 입사한 사람은 총 10명이며, 근무한 사람은 1명입니다. 바이두에서.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

그림 5: ChatGPT 팀 구성원 흐름

통계에서는 또한 ChatGPT와 관련된 처음 7개 기술 프로젝트의 연구 및 개발에서 ChatGPT 팀의 더 많은 사람들이 참여했다는 사실을 발견했습니다. 개발 중입니다.

CodeX 프로젝트에는 총 22명이 참여하여 팀의 25%를 차지하여 가장 많은 참가자가 있으며, webGPT와 instructGPT가 그 뒤를 따르고 있으며 GPT3에는 총 6명이 참여하고 있습니다. , 3위는 RLHF, 4위는 3명이 참가했다.

ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.

그림 6: ChatGPT 팀의 이전 7개 주요 기술 연구 및 개발에 참여한 인원 수

ChatGPT는 OpenAI의 수년간의 기술 축적이라고 할 수 있습니다. 대규모 언어 모델 분야, 최고의 인재 리더 및 우수한 AI 기술 인력이 수집된 결과는 ChatGPT의 성공적인 개발을 위한 견고한 기반을 마련했습니다.

3

AI 인재 전쟁

실제로 지난 몇 년간 AI 연구소와 AI 인재들은 위에서 언급한 것처럼 대규모 공장 내에서 소외와 전략적 변화의 딜레마에 직면해 왔습니다. , OpenAI와 같은 순수 과학 연구의 성지로 많은 인재들이 흘러들어왔습니다.

회사의 조직 구조 모델 내에서 대규모 공장의 AI 인력은 자신의 역량과 성과를 개발하는 데 어려움을 겪는 경우가 많습니다.

그러나 전통적인 거대 기술 기업과 달리 OpenAI와 같은 기업이 '인공지능 개발'을 사명으로 삼는다면 AI R&D와 혁신이 그들의 사명, 즉 가장 최첨단 AI 프로젝트에 긴밀히 참여하는 것이 그들의 사명입니다. 대부분의 핵심자원은 연구개발에 사용되며, 그 이면에는 오랫동안 성과를 내지 못하는 책임을 견딜 수 있어야 합니다. 그 중 GPT 모델은 첫 출시부터 교육 완료까지 최대 3년밖에 걸리지 않으므로 팀의 자금, 기술 및 인재에 대한 완전한 체계적 보장이 필요합니다.

ChatGPT의 등장으로 AI 인재가 다시 대중의 주목을 받게 되었고, 순수 과학 연구의 중요성이 다시 강조되었으며, 새로운 인재 경쟁이 시작될 것입니다. 동시에 대형 모델, 컴퓨팅 리소스 등 인프라에 대한 대형 제조업체의 강조도 높아지고 기본 기술 역량의 따라잡기와 보완도 가속화될 것입니다.

Sogou 전 CEO Wang Xiaochuan은 Weibo에서 "OpenAI의 성공은 우선 기술적 이상주의의 승리입니다."라고 말했습니다. ChatGPT의 성공은 필연적으로 산학연의 공동 노력과 그 뒤를 잇는 것입니다. 인공지능 기술에 대한 팀원들의 관심과 이를 고수하겠다는 믿음입니다. 중국 내 최고의 과학 연구 인력이 부족하지 않습니다. 최첨단 기술 혁신에 집중하고 꾸준히 진행하는 것은 중국의 AI 혁신 발전을 촉진하는 데 큰 의미가 있습니다.

위 내용은 ChatGPT의 연구력 해석: 90년대 이후 세대가 주류가 되었고, 대기업은 더 이상 최고의 AI 인재를 위한 첫 번째 선택이 아닙니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 아무도들을 수없는 경우 오디오를 수정하는 방법
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 채팅 명령 및 사용 방법
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

모델, 데이터 및 프레임워크에 대한 심층 분석: 효율적인 대규모 언어 모델에 대한 철저한 54페이지 검토 모델, 데이터 및 프레임워크에 대한 심층 분석: 효율적인 대규모 언어 모델에 대한 철저한 54페이지 검토 Jan 14, 2024 pm 07:48 PM

대규모 언어 모델(LLM)은 자연어 이해, 언어 생성, 복잡한 추론을 비롯한 여러 중요한 작업에서 강력한 기능을 입증했으며 사회에 지대한 영향을 미쳤습니다. 그러나 이러한 뛰어난 기능을 사용하려면 상당한 교육 리소스(왼쪽 참조)와 긴 추론 시간(오른쪽 참조)이 필요합니다. 따라서 연구자들은 효율성 문제를 해결하기 위한 효과적인 기술적 수단을 개발해야 합니다. 또한 그림의 오른쪽에서 볼 수 있듯이 Mistral-7B와 같은 일부 효율적인 LLM(LanguageModel)이 LLM의 설계 및 배포에 성공적으로 사용되었습니다. 이러한 효율적인 LLM은 LLaMA1-33B와 유사한 정확도를 유지하면서 추론 메모리를 크게 줄일 수 있습니다.

Stable Diffusion 3 논문이 드디어 공개되고, 아키텍처의 세부 사항이 공개되어 Sora를 재현하는 데 도움이 될까요? Stable Diffusion 3 논문이 드디어 공개되고, 아키텍처의 세부 사항이 공개되어 Sora를 재현하는 데 도움이 될까요? Mar 06, 2024 pm 05:34 PM

StableDiffusion3의 논문이 드디어 나왔습니다! 이 모델은 2주 전에 출시되었으며 Sora와 동일한 DiT(DiffusionTransformer) 아키텍처를 사용합니다. 출시되자마자 큰 화제를 불러일으켰습니다. 이전 버전과 비교하여 StableDiffusion3에서 생성된 이미지의 품질이 크게 향상되었습니다. 이제 다중 테마 프롬프트를 지원하고 텍스트 쓰기 효과도 향상되었으며 더 이상 잘못된 문자가 표시되지 않습니다. StabilityAI는 StableDiffusion3이 800M에서 8B 범위의 매개변수 크기를 가진 일련의 모델임을 지적했습니다. 이 매개변수 범위는 모델이 많은 휴대용 장치에서 직접 실행될 수 있어 AI 사용이 크게 줄어든다는 것을 의미합니다.

자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! 자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! Feb 28, 2024 pm 07:20 PM

자율주행 궤적 예측은 차량의 주행 과정에서 발생하는 다양한 데이터를 분석하여 차량의 향후 주행 궤적을 예측하는 것을 의미합니다. 자율주행의 핵심 모듈인 궤도 예측의 품질은 후속 계획 제어에 매우 중요합니다. 궤적 예측 작업은 풍부한 기술 스택을 보유하고 있으며 자율 주행 동적/정적 인식, 고정밀 지도, 차선, 신경망 아키텍처(CNN&GNN&Transformer) 기술 등에 대한 익숙함이 필요합니다. 시작하기가 매우 어렵습니다! 많은 팬들은 가능한 한 빨리 궤도 예측을 시작하여 함정을 피하기를 희망합니다. 오늘은 궤도 예측을 위한 몇 가지 일반적인 문제와 입문 학습 방법을 살펴보겠습니다. 관련 지식 입문 1. 미리보기 논문이 순서대로 되어 있나요? A: 먼저 설문조사를 보세요, p

DualBEV: BEVFormer 및 BEVDet4D를 크게 능가하는 책을 펼치세요! DualBEV: BEVFormer 및 BEVDet4D를 크게 능가하는 책을 펼치세요! Mar 21, 2024 pm 05:21 PM

본 논문에서는 자율 주행에서 다양한 시야각(예: 원근 및 조감도)에서 객체를 정확하게 감지하는 문제, 특히 원근(PV) 공간에서 조감(BEV) 공간으로 기능을 효과적으로 변환하는 방법을 탐구합니다. VT(Visual Transformation) 모듈을 통해 구현됩니다. 기존 방법은 크게 2D에서 3D로, 3D에서 2D로 변환하는 두 가지 전략으로 나뉩니다. 2D에서 3D로의 방법은 깊이 확률을 예측하여 조밀한 2D 특징을 개선하지만, 특히 먼 영역에서는 깊이 예측의 본질적인 불확실성으로 인해 부정확성이 발생할 수 있습니다. 3D에서 2D로의 방법은 일반적으로 3D 쿼리를 사용하여 2D 기능을 샘플링하고 Transformer를 통해 3D와 2D 기능 간의 대응에 대한 주의 가중치를 학습하므로 계산 및 배포 시간이 늘어납니다.

최초의 멀티뷰 자율주행 장면 영상 생성 세계 모델 DrivingDiffusion: BEV 데이터 및 시뮬레이션을 위한 새로운 아이디어 | 최초의 멀티뷰 자율주행 장면 영상 생성 세계 모델 DrivingDiffusion: BEV 데이터 및 시뮬레이션을 위한 새로운 아이디어 | Oct 23, 2023 am 11:13 AM

저자 개인 생각 중 일부 자율주행 분야에서는 BEV 기반의 하위 작업/End-to-End 솔루션 개발로 인해 고품질의 다시점 훈련 데이터와 그에 따른 시뮬레이션 장면 구축이 점점 더 중요해지고 있습니다. 현재 작업의 문제점에 대응하여 "고품질"은 세 가지 측면으로 분리될 수 있습니다. 다양한 차원의 롱테일 시나리오(예: 장애물 데이터의 근거리 차량 및 자동차 절단 과정의 정확한 방향 각도) 곡률이 다른 곡선이나 경사로/병합/병합 등 캡처하기 어려운 차선 데이터. 이는 종종 비용이 많이 드는 대량의 데이터 수집과 복잡한 데이터 마이닝 전략에 의존합니다. 3D 진정한 가치 - 매우 일관된 이미지: 현재 BEV 데이터 수집은 센서 설치/보정, 고정밀 지도 및 재구성 알고리즘 자체의 오류에 의해 영향을 받는 경우가 많습니다. 이것이 나를 이끌었다

'마인크래프트'가 AI 마을로 변신, NPC 주민들이 실제 사람처럼 역할극 '마인크래프트'가 AI 마을로 변신, NPC 주민들이 실제 사람처럼 역할극 Jan 02, 2024 pm 06:25 PM

이 네모난 남자는 눈앞에 있는 '불청객'의 정체를 고민하며 미간을 찌푸리고 있다는 점에 주목해주세요. 알고 보니 그녀는 위험한 상황에 처해 있었고, 이를 깨닫자마자 문제를 해결하기 위한 전략을 찾기 위해 재빨리 정신적 탐색을 시작했습니다. 결국 그녀는 현장을 떠나 가능한 한 빨리 도움을 구하고 즉각적인 조치를 취하기로 결정했습니다. 동시에 반대편에 있는 사람도 그녀와 같은 생각을 하고 있었는데... <마인크래프트>에도 모든 캐릭터가 인공지능에 의해 조종되는 장면이 있었다. 예를 들어 앞서 언급한 소녀는 17세지만 똑똑하고 용감한 택배기사입니다. 그들은 마인크래프트를 배경으로 한 이 작은 마을에서 인간처럼 기억하고 생각하며 살아갈 수 있는 능력을 가지고 있습니다. 그들을 움직이는 것은 아주 새로운 것입니다.

SD 커뮤니티의 I2V 어댑터: 구성이 필요하지 않으며 플러그 앤 플레이, Tusheng 비디오 플러그인과 완벽하게 호환됩니다. SD 커뮤니티의 I2V 어댑터: 구성이 필요하지 않으며 플러그 앤 플레이, Tusheng 비디오 플러그인과 완벽하게 호환됩니다. Jan 15, 2024 pm 07:48 PM

이미지-비디오 생성(I2V) 작업은 정적 이미지를 동적 비디오로 변환하는 것을 목표로 하는 컴퓨터 비전 분야의 과제입니다. 이 작업의 어려움은 이미지 콘텐츠의 신뢰성과 시각적 일관성을 유지하면서 단일 이미지에서 시간 차원의 동적 정보를 추출하고 생성하는 것입니다. 기존 I2V 방법에는 이 목표를 달성하기 위해 복잡한 모델 아키텍처와 많은 양의 교육 데이터가 필요한 경우가 많습니다. 최근 Kuaishou가 주도한 새로운 연구 결과 "I2V-Adapter: AGeneralImage-to-VideoAdapter for VideoDiffusionModels"가 발표되었습니다. 본 연구에서는 혁신적인 이미지-비디오 변환 방법을 소개하고 경량 어댑터 모듈을 제안합니다.

검토! 심층 모델 융합(LLM/기본 모델/연합 학습/미세 조정 등) 검토! 심층 모델 융합(LLM/기본 모델/연합 학습/미세 조정 등) Apr 18, 2024 pm 09:43 PM

9월 23일, 국립방위기술대학교, JD.com 및 베이징 공과대학이 "DeepModelFusion:ASurvey"라는 논문을 발표했습니다. 딥 모델 융합/병합은 여러 딥 러닝 모델의 매개변수나 예측을 단일 모델로 결합하는 새로운 기술입니다. 이는 더 나은 성능을 위해 개별 모델의 편향과 오류를 보상하기 위해 다양한 모델의 기능을 결합합니다. 대규모 딥 러닝 모델(예: LLM 및 기본 모델)에 대한 딥 모델 융합은 높은 계산 비용, 고차원 매개변수 공간, 서로 다른 이종 모델 간의 간섭 등을 포함한 몇 가지 문제에 직면합니다. 이 기사에서는 기존 심층 모델 융합 방법을 네 가지 범주로 나눕니다. (1) 더 나은 초기 모델 융합을 얻기 위해 손실 감소 경로를 통해 가중치 공간의 솔루션을 연결하는 "패턴 연결"

See all articles