昨日研究机构传达最新成果,《神雕侠侣》中的科举答题：武侠世界里的文化韵味

今日监管部门发布权威报告,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。自动化服务调度，智能匹配维修资源

文山富宁县、清远市清新区 ，吕梁市兴县、齐齐哈尔市龙江县、内蒙古呼和浩特市武川县、定西市漳县、烟台市龙口市、泸州市江阳区、广西崇左市宁明县、合肥市长丰县、昌江黎族自治县石碌镇、开封市禹王台区、攀枝花市东区、本溪市本溪满族自治县、哈尔滨市依兰县、临沧市凤庆县、韶关市南雄市 、广西河池市东兰县、长沙市长沙县、深圳市龙华区、淮北市濉溪县、上海市虹口区、汉中市留坝县、广西河池市东兰县、武汉市东西湖区、内蒙古巴彦淖尔市五原县、德州市陵城区、清远市连南瑶族自治县、资阳市安岳县

本周数据平台近期相关部门公布权威通报,今日相关部门发布重磅报告,《神雕侠侣》中的科举答题：武侠世界里的文化韵味，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障远程诊断，视频指导快速解决

信阳市潢川县、铜仁市碧江区 ，茂名市电白区、文昌市东郊镇、郑州市中原区、乐东黎族自治县万冲镇、黄石市黄石港区、黄南同仁市、焦作市博爱县、汉中市勉县、延边安图县、重庆市万州区、临汾市襄汾县、三亚市天涯区、乐东黎族自治县抱由镇、南通市海安市、池州市东至县 、大连市金州区、儋州市雅星镇、郴州市临武县、襄阳市保康县、普洱市宁洱哈尼族彝族自治县、驻马店市驿城区、平顶山市宝丰县、内蒙古呼伦贝尔市扎赉诺尔区、烟台市莱阳市、内蒙古乌兰察布市四子王旗、深圳市盐田区、西安市碑林区、内蒙古巴彦淖尔市杭锦后旗、咸阳市渭城区

全球服务区域: 昌江黎族自治县十月田镇、菏泽市成武县 、海西蒙古族德令哈市、焦作市修武县、通化市柳河县、榆林市神木市、齐齐哈尔市克东县、营口市老边区、牡丹江市爱民区、琼海市阳江镇、台州市临海市、汕头市濠江区、太原市晋源区、临沧市凤庆县、广元市昭化区、大同市浑源县、信阳市潢川县 、白城市镇赉县、衢州市常山县、黔南惠水县、聊城市莘县、西安市长安区

快速响应维修热线,今日官方传递政策更新,《神雕侠侣》中的科举答题：武侠世界里的文化韵味，很高兴为您解答这个问题，让我来帮您详细说明一下：全国联保售后电话，服务有保障

全国服务区域: 南阳市卧龙区、内蒙古兴安盟乌兰浩特市 、南充市阆中市、广州市越秀区、临汾市曲沃县、凉山美姑县、咸阳市秦都区、鸡西市虎林市、广西南宁市良庆区、镇江市扬中市、屯昌县屯城镇、黄冈市武穴市、嘉峪关市新城镇、重庆市彭水苗族土家族自治县、忻州市保德县、湛江市徐闻县、驻马店市上蔡县 、南昌市西湖区、赣州市定南县、邵阳市大祥区、普洱市西盟佤族自治县、株洲市炎陵县、株洲市茶陵县、济南市章丘区、绍兴市诸暨市、内蒙古锡林郭勒盟阿巴嘎旗、遵义市湄潭县、雅安市汉源县、七台河市茄子河区、株洲市渌口区、东莞市桥头镇、海口市琼山区、雅安市芦山县、巴中市平昌县、上海市普陀区、福州市仓山区、三明市沙县区、株洲市茶陵县、广西百色市右江区、铜仁市思南县、广西贺州市平桂区

本周数据平台近期相关部门公布权威通报:今日行业报告披露最新研究成果,《神雕侠侣》中的科举答题：武侠世界里的文化韵味

《神雕侠侣》作为金庸先生的经典之作，不仅描绘了一个充满传奇色彩的武侠世界，更在其中融入了丰富的历史文化元素。其中，科举答题这一环节，无疑为这部作品增添了浓厚的文化韵味。 科举制度是中国古代选拔官员的重要方式，它始于隋朝，盛于唐宋，直至清朝末年才被废除。在《神雕侠侣》中，杨过和小龙女在桃花岛上度过了一段美好的时光，期间，杨过便经历了科举答题这一环节。 故事中，杨过在桃花岛上遇到了一位名叫洪七公的武林高手，洪七公曾是一位科举出身的官员，因不满官场的黑暗而隐居江湖。在洪七公的引导下，杨过开始学习诗词歌赋，为科举考试做准备。 科举答题的内容涵盖了诗词、历史、文学、经义等多个方面，这无疑对杨过的文学素养提出了很高的要求。在洪七公的悉心教导下，杨过逐渐掌握了答题技巧，并在科举考试中取得了优异的成绩。 在答题过程中，杨过不仅展现了自己的聪明才智，更体现了他的文学功底。以下是一些典型的科举答题内容： 1. 诗词题：要求考生根据题目要求，创作一首符合格律的诗词。例如，题目要求“咏梅”，杨过便创作了一首“墙角数枝梅，凌寒独自开。遥知不是雪，为有暗香来。”的诗句，充分展现了梅花的高洁品质。 2. 历史题：要求考生对历史事件、人物进行评价。例如，题目要求评价“唐太宗李世民”，杨过便从政治、军事、文化等多个方面对李世民进行了全面评价，展现了自己的历史素养。 3. 文学题：要求考生对文学作品进行分析。例如，题目要求分析《红楼梦》中的林黛玉形象，杨过便从性格、命运、家庭背景等方面对林黛玉进行了深入剖析。 4. 经义题：要求考生对儒家经典进行解读。例如，题目要求解读《论语》中的“仁者爱人”，杨过便从仁爱、道德、人际关系等方面对这一观点进行了阐述。 在科举答题的过程中，杨过不仅展现了自己的才华，更体现了他的品德。他对待答题严谨认真，对待他人谦虚有礼，这使得他在科举考试中脱颖而出，赢得了众人的赞誉。 总之，《神雕侠侣》中的科举答题环节，不仅丰富了作品的文学内涵，更展现了武侠世界里的文化韵味。这一环节让我们看到了杨过在文学、历史、道德等方面的全面素养，也为读者呈现了一个充满魅力的武侠世界。

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。端侧模型和小模型这件事，在人工智能行业如今并不新鲜。去年，Meta、微软、苹果等就集中发布了一系列小模型，Llama-3、Phi-3、OpenELM 等。2019 年成立的 Multiverse Computing，试图用所谓 " 量子物理 " 方式给模型瘦身：它的核心技术 CompactifAI 能将大模型体积压缩 95%，却几乎不损失性能，让原本只能在数据中心运行的 AI，装进手机、汽车里。这也让这家公司获得了资本的青睐，截至今日，Multiverse Computing 已经完成了 5 轮融资。2024 年 3 月，这家公司完成了 2500 万欧元的 A 轮融资，一年多后 B 轮融资直接冲到 1.89 亿欧元，估值从 2024 年的 1.08 亿美元，涨到 5 亿美元，一跃成为西班牙最大的 AI 初创公司之一。两周多前，这家公司发布了两款 " 世界最小的模型 " ——鸡脑（chicken ’ s brain）和苍蝇脑（a fly ’ s brain）。" 苍蝇脑 " 是 Hugging Face 开源模型 SmolLM2-135 的压缩版本，原始参数是 1.35 亿，压缩之后只有 9400 万参数。" 鸡脑 " 则是 Llama3.18B 模型的压缩版本，可以直接在苹果电脑上运行，无需联网。这背后藏着太多值得拆解的问题：" 量子瘦身 " 技术究竟是噱头还是真功夫？当模型被压缩时，是否也会影响其性能？团队推出的 " 苍蝇脑 "" 小鸡脑 " 超小模型，又是如何突破硬件限制，甚至吸引苹果、三星等巨头洽谈合作？在 Meta、谷歌、微软纷纷下场做小模型，众多初创公司争抢 AI 效率赛道的当下，Multiverse 凭什么建立技术壁垒，成为西班牙估值最高的 AI 初创企业之一？虎嗅与量子计算领域的业内人士交流，试图理清这些问题。4 年 5 轮融资，估值一年涨 5 倍Multiverse Computing 并非一开始就进入模型赛道。2019 年团队成立之初，其聚焦量子计算软件，试图用量子技术解决金融领域的投资组合优化、风险管理等难题，这些在传统 IT 技术上难以被功克。凭借技术积累，Multiverse 很快被第三方数据分析与咨询机构 Gartner 评为量子计算领域的 "Cool Vender"。Gartner 的这份 Cool Vendor 的报告，主要涵盖科技创新领域，每个领域只有 4 家 -5 家公司能上榜，金融人士更是将这份榜单视为 " 投资宝典 "。借此，Multiverse 还获得了欧盟加速器 EIC 1250 万欧元的资金支持，成了欧洲资本最充足的量子初创公司之一。Multiverse 的团队中，40% 成员拥有博士学位，核心成员更是横跨金融、量子物理与科技创业三大领域 —— CEO 恩里克身兼数学、计算机、医学博士与 MBA，有 20 年银行业经验，曾任西班牙 Unnim 银行副 CEO；联合创始人罗曼是欧洲顶尖量子物理学家，专攻张量网络，拿过欧洲物理学会青年研究奖；CTO 塞缪尔则是量子计算与机器学习双料专家，熟悉创业与投资逻辑。转折点出现在 2023 年。生成式 AI 爆发后，大模型参数规模暴涨，算力成本飙升成了行业普遍痛点 —— OpenAI 每周在 ChatGPT 推理上的支出甚至超过训练成本。恩里克和团队敏锐发现，他们深耕多年的量子张量网络技术，恰好能破解这一困局：量子多体系统中的数学技巧，可用于大模型参数的高效压缩，且能最大程度保留性能。基于这一判断，团队火速组建 AI 压缩专项组，年底就推出了核心技术 CompactifAI，正式从 " 量子 + 金融 " 转向 " 量子 + AI"。这次转向不仅让 Multiverse 踩中了 " 小模型 " 风口，更让它在 2024-2025 年迎来爆发，成为西班牙最大的 AI 初创企业之一。" 量子瘦身 " 靠谱吗？Multiverse 的故事核心，是一套叫做 Compactif AI 的压缩技术。它不像行业常用的量化、蒸馏技术那样简单削减参数，按照 Multiverse 自己的介绍，这套技术是用量子物理张量网络方法，融合张量分解、矩阵低秩近似等复杂数学技巧，从模型底层重构参数逻辑。正如联合创始人奥鲁斯所说：" 我们的压缩技术并非计算机科学领域常见的套路，而是源自我们对量子物理的理解，更加微妙而精炼。"不过，虎嗅询问了量子计算领域的业内人士，Multiverse 所使用的这套数学方法虽然是量子中常用的，但其实只是一类数学方法，严格意义上和量子物理无关，因为张量网络问题最初就是物理学家从数学研究中借鉴到量子物理中的。所谓的张量网络方法，通俗比喻就是，你要拼一个一万平方米的拼图，拼完后为了存放它，需要找一个很大的房子。但如果你把拼图重新打碎，装到罐子中，把维度升高，从二维升高到 3 维，维度越多越方便压缩，再去掉重复的碎片，就可以装到一个小盒子里，并且保留几乎所有信息，需要的时候可以重新还原成大拼图。这种方法对大部分模型都适用，因为现在的模型，大多都是神经网络的变体，差别不大，Multiverse 的方法有很强的泛化性。这件事情的难点在于，要把现有的大语言模型基础算子 / 结构抽象出来，形成一套通用的压缩工作流，这样无论什么模型都可以复用。Compactif   AI 通常能将型体积缩小 80-95% 而准确率只下降 2-3 个百分点。例如，原本需要数十亿参数的模型压缩后可能只有几亿参数，却在绝大多数基准测试中与原模型表现相当。目前 Multiverse 已发布多个压缩模型版本，例如 Llama 4 70B 模型的精简版 "Llama 4 Scout Slim"，以及 Llama 3 系列和 Mistral 小模型的精简版等。2025 年 8 月，公司发布了两款号称 " 史上最小且高性能 " 的模型，并以动物大脑体积命名—— SuperFly（苍蝇脑）和 ChickBrain（小鸡脑）。SuperFly 基于 135M 参数的开源 SmolLM 模型压缩而成，仅含 9400 万参数，相当于一只苍蝇的大脑大小；ChickBrain 则由 Meta 的 Llama 3.1 系列 8B 模型压缩成 3.2B 参数（压缩率 60%），大小如小鸡大脑，却具备一定推理能力。ChickBrain（3B）的基准测试结果这件事的商业价值也很明显，CompactifAI 带来的直接好处是成本与效率优化。根据 Multiverse 公布的数据，其瘦身版模型推理速度是未压缩模型的 4-12 倍，对应推理成本降低 50-80%。在 AWS 云服务上，使用 CompactifAI 压缩后的模型可大大节省费用。例如，压缩过的 Llama 4 Scout Slim 在 AWS 上的调用费用约为每百万 tokens 0.10 美元，而原版约为 0.14 美元，也就是说，每处理百万 tokens 可以节省约 30% 费用。另外，CompactifAI 让此前只能在昂贵服务器上运行的 AI 模型进入了 " 平民设备 " 时代。Multiverse 声称其部分精简模型 " 小到可以在 PC、手机、汽车上运行 "。目前，Multiverse 提供了 3 种商业服务模式：（1）通过 AWS API，将压缩后的模型与原始模型均可通过 API 访问；（2）购买私有部署许可，提供企业级授权，允许用户在自己的本地基础设施或云环境中部署 CompactifAI；（3）通过服务提供商交付，让 Multiver 为用户压缩模型，并交付指定的推理服务提供商。CompactifAI 的用户主要是广泛使用大模型的企业和开发者。大型互联网和软件企业的 AI 团队是首要客户，他们往往部署开源 LLM 在自己的应用中，如客服聊天机器人、代码自动补全、文本分析等，但也必然面临高昂的推理开销和延迟问题。CompactifAI 可以帮助他们大幅削减算力成本，甚至支持离线部署。CompactifAI 在降本增效和边缘部署方面功能突出。它可以将一个部署在 8 张 A100 GPU 上的 LLM 压缩到 1-2 张 GPU 即可运行，甚至压缩到能够在 CPU 上实时推理。这为客户节省的不仅是每小时数百美元的云 GPU 租用费，还有巨大的能耗开销。小模型和端侧模型——巨头云集的赛道Multiverse 的技术，很快吸引了全球硬件巨头的关注。据其透露，目前已与苹果、三星、Sony、HP 等洽谈合作，核心是将 " 苍蝇脑 "" 小鸡脑 " 这类超小模型嵌入下一代终端设备——这恰好契合苹果的战略：2024 年 WWDC 大会上，苹果推出 "Apple Intelligence" 框架，明确表示不追通用巨无霸模型，优先做适配 iOS/macOS 的轻量化本地模型。不过，赛道竞争也在加剧。2024 年起，科技巨头纷纷下场小模型：Meta 发布 13 亿参数 LLaMA 微型模型，Google DeepMind 推出 2 亿 - 7 亿参数的 Gemma，微软 Phi 系列用 14 亿参数模型在数学、编码任务上超越 50 倍体积的大模型；初创公司中，Neural Magic、Deci 等也在争抢 AI 效率赛道，聚焦模型加速、自动选型等方向。AI 推理优化已经成为创投圈新的竞技场。初创公司阵营也不甘示弱。除了 Multiverse 外，Neural Magic、Deci、OctoML 都在下场大模型效率赛道；还有初创公司专注于模型路由、自动选型等，将不同模型按成本和效果自动分配。 这些公司切入点各异，但都瞄准了 " 提高 AI 性能 / 成本比 " 这个共同目标。虎嗅与量子计算领域人士交流，鉴于如今的大语言模型基本架构类似，Multiverse 的壁垒并不算太高，端侧模型和小模型不同，虽然都需要模型轻量化，但端侧模型除了需要轻量化，还需要配合不同设备的计算资源（内存、算力），以及能耗、发热等调节小模型，需要有特别设计，是一个工程化的问题。Multiverse 如果能够绑定一家硬件厂商，或许能够在端侧模型上建立自己的生态壁垒。另一方面，Multiverse 如今大部分还是围绕已有模型压缩，而不是自己训一个小模型，在效果上，可能不会达到惊艳的效果，而且极度依赖原有的模型能力。目前已经有一些专注小模型的初创公司除了压缩模型，还自己训练小模型，达到了不错的效果。Multiverse 可能在模型压缩上，通过自身团队积累的技术，能够实现较小的压缩损耗，但后续在端侧模型布局上的工程化问题，以及模型能力本身的技术壁垒，仍然有待观察。