本站最新域名:m.ikbook8.com
老域名即将停用！

    和上次在京海市图书馆中自习的内容不同，裴瑜没有接着研究数学在金融领域方面的应用，她的注意力完全被系统的时间循环功能吸引了。

    在火车上睡着之前，她看似闭着眼睛躺在下铺，实际上是在用意念探索系统，想知道怎么才能重新触发新的存档点。

    作为一个上辈子游戏时长高达上千小时的重度steam玩家，她对及时存档的重要性再清楚不过了。

    存档就是游戏中的后悔药和进度条，她做出重要选择之前，或者完成某个任务之后，都会及时存档。这样即使她以后操作失误/角色挂了/选错对话，还可以直接回到存档点重来一遍，避免一失足成千古恨。

    同理，如果她可以用系统随意存档的话，在现实中就相当于无敌了，无论怎么作死都能直接重开，不需要对自己的行为付出任何代价。

    上辈子的她就特别喜欢飙车，抢到好车后一脚油门踩到底，遇到什么情况都不带刹车的。

    可惜裴瑜研究了系统半天，还是没能找到控制存档点的地方，勾心挠肺地想知道为什么。

    她猜想，激活时间循环的关键在于某种心理状态。第一次开启时间循环时，过去某些死掉的记忆突然攻击她，让她进入了某种和现实解离的状态，这是那个时间点上唯一的特殊变量。

    裴瑜还记得，刚绑定系统时，系统说它和deepseek属于不同的技术路线。这样岂不是意味着，系统承认了它是一种类似人工智能的黑科技，而不是玄幻高魔世界观下的修仙法宝什么的。

    既然系统是一种科技产物，就必然符合数学和计算机科学的基本逻辑、必然是地球人或者外星生物智慧的产物。

    要知道，上辈子火爆全球的deepseek，正是华国头部金融机构“幻方量化”孵化出来的开源大模型。

    韭菜们在市场上追涨杀跌，投资情绪往往是不理性的，他们吱哇乱叫的文字会在互联网中留下许多痕迹。这些文字和图像、声音一样都属于非结构化数据。

    而深度学习模型，尤其是卷积神经网络（cnn）、循环神经网络（rnn）和自然语言处理（nlp）模型，非常擅长处理韭菜的这些非结构化数据。

    在这种市场环境下，幻方量化将大模型当作主攻赛道，利用语言大模型识别韭菜们的情绪，还通过深度学习的方法，从其他非结构化数据中挖掘出了不少量化交易因子。

    降维打击韭菜的同时，幻方量化无心插柳柳成荫，在预训练阶段仅消耗了2048块gpu，花费550万美元，训练时间不到2个月，便孵化出了deepseek v3，实现了与闭源的chatgpt相媲美的效果，不久后还孵化出了自带思维链的deepseek r1，成本之低可谓是“ai界的拼多多”，而同类产品chatgpt耗费了上百亿美元的投资。

    当时deepseek和chatgpt悬殊的训练成本差距震惊了华尔街，戳破了不少建立在人工智能基础上的金融泡沫，直接导致美股一度出现暴跌。

    对此，裴瑜很不甘心。曾经都是金融同行，凭什么幻方量化做得出deepseek，她就做不出另一个技术路线的系统，实现时间循环的存档自由？\/阅|读|模|式|内|容|加|载|不|完|整|，退出可阅读完整内容|点|击|屏|幕|中|间可|退|出|阅-读|模|式|.
『加入书签，方便阅读』
-->> 本章未完，点击下一页继续阅读(第1页/共2页)