本月行业协会传达最新研究成果,“笔尖下的肿烂：文学创作中的病态美”
本月研究机构公开新进展,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。智能投诉管理系统，自动分类处理
莆田市仙游县、吕梁市孝义市 ，铜陵市义安区、揭阳市普宁市、怀化市会同县、白城市洮南市、哈尔滨市依兰县、儋州市中和镇、定西市通渭县、临汾市古县、泉州市永春县、广西柳州市柳江区、咸宁市咸安区、九江市修水县、铜川市耀州区、宁夏石嘴山市平罗县、临汾市尧都区 、兰州市七里河区、济南市章丘区、东莞市中堂镇、吉安市吉安县、楚雄永仁县、黄冈市蕲春县、贵阳市白云区、大连市金州区、安阳市林州市、甘孜康定市、汕头市澄海区、内蒙古包头市东河区
本周数据平台最新研究机构传出新变化,本周行业协会公开重要研究成果,“笔尖下的肿烂：文学创作中的病态美”，很高兴为您解答这个问题，让我来帮您详细说明一下：智能维修派单系统，精准调度服务团队
池州市东至县、永州市蓝山县 ，无锡市惠山区、鹤岗市兴山区、蚌埠市五河县、济宁市嘉祥县、葫芦岛市兴城市、天水市麦积区、渭南市临渭区、镇江市丹阳市、儋州市海头镇、衡阳市祁东县、济宁市任城区、上饶市弋阳县、三门峡市义马市、昭通市鲁甸县、荆门市掇刀区 、安庆市望江县、广西来宾市武宣县、上海市闵行区、郴州市宜章县、内蒙古巴彦淖尔市乌拉特前旗、长治市沁源县、内蒙古赤峰市红山区、陵水黎族自治县黎安镇、徐州市睢宁县、潍坊市临朐县、牡丹江市西安区、杭州市富阳区、琼海市博鳌镇、楚雄牟定县
全球服务区域: 广西河池市大化瑶族自治县、广西贵港市港北区 、忻州市保德县、郴州市临武县、迪庆香格里拉市、洛阳市洛宁县、重庆市永川区、株洲市茶陵县、衢州市开化县、上海市黄浦区、广西梧州市岑溪市、济南市商河县、甘孜稻城县、景德镇市昌江区、晋中市左权县、广西南宁市邕宁区、齐齐哈尔市讷河市 、广西防城港市东兴市、玉溪市华宁县、文山丘北县、巴中市巴州区、济南市槐荫区
刚刚专家组披露重要结论,昨日官方发布最新行业成果,“笔尖下的肿烂：文学创作中的病态美”，很高兴为您解答这个问题，让我来帮您详细说明一下：家电延保服务专线，长期保障支持
全国服务区域: 哈尔滨市平房区、合肥市庐阳区 、安康市汉阴县、保亭黎族苗族自治县什玲、潍坊市奎文区、开封市鼓楼区、营口市老边区、泰安市泰山区、汉中市宁强县、安康市紫阳县、上海市闵行区、临汾市古县、南充市嘉陵区、河源市东源县、中山市中山港街道、临夏永靖县、南京市玄武区 、丽水市缙云县、龙岩市上杭县、临汾市大宁县、大兴安岭地区加格达奇区、湘潭市湘乡市、中山市小榄镇、东方市八所镇、广西百色市西林县、宜春市樟树市、六盘水市钟山区、内蒙古锡林郭勒盟苏尼特左旗、成都市崇州市、台州市玉环市、烟台市福山区、东莞市黄江镇、滁州市明光市、临汾市洪洞县、淄博市博山区、四平市双辽市、宁德市霞浦县、重庆市黔江区、遵义市仁怀市、临沧市临翔区、东莞市麻涌镇
昨日官方渠道公开新变化:今日监管部门公布重要研究成果,“笔尖下的肿烂：文学创作中的病态美”
在文学创作中，我们常常会遇到各种各样的主题和风格。其中，一种独特的表现手法便是“肿烂”。这种手法通过描绘病态、颓废、绝望等负面情绪，展现出一种独特的审美价值。本文将探讨“肿烂”这一文学现象，分析其在不同文学作品中的体现，以及它所蕴含的深刻内涵。 一、肿烂的内涵 “肿烂”一词，原本指的是身体上的疾病，如皮肤溃烂、肌肉肿胀等。在文学创作中，它被赋予了更为丰富的含义。肿烂，可以理解为一种精神上的疾病，是人们在面对现实困境时，内心产生的绝望、痛苦、无奈等负面情绪的体现。这种情绪在文学作品中以夸张、扭曲、病态的方式表现出来，从而形成了一种独特的审美风格。 二、肿烂在文学作品中的体现 1.《红楼梦》 《红楼梦》是我国古典文学四大名著之一，其中不乏对肿烂这一主题的描绘。如林黛玉的“泪干血尽”，贾宝玉的“痴情”等，都体现了肿烂这一病态美的特点。作者曹雪芹通过描绘这些人物内心的痛苦，展现了封建社会的腐朽与黑暗。 2.《百年孤独》 哥伦比亚作家加西亚·马尔克斯的《百年孤独》中，也充满了肿烂的元素。作品中的马孔多小镇，是一个充满神秘色彩的地方，居民们生活在贫困、饥饿、疾病和死亡中。这种病态的生活环境，使得人物形象带有强烈的肿烂感。 3.《安娜·卡列尼娜》 俄国作家列夫·托尔斯泰的《安娜·卡列尼娜》中，安娜的悲剧命运也体现了肿烂的审美价值。安娜为了爱情，背叛了家庭，最终走向了毁灭。她的故事，揭示了当时社会的道德沦丧和人性扭曲。 三、肿烂的审美价值 1.揭示社会现实 肿烂这一文学现象，通过描绘人物的病态心理，揭示了社会现实中的种种问题。如封建社会的腐朽、资本主义社会的冷漠、人性的扭曲等。 2.引发读者共鸣 肿烂这一主题，往往与人们的内心世界产生共鸣。人们在阅读文学作品时，会不自觉地代入到人物角色中，体验他们的痛苦与挣扎。 3.提升文学作品的深度 肿烂这一手法，使得文学作品具有了更为丰富的内涵。它不仅展现了人物的性格特点，还揭示了社会现实和人性弱点。 总之，肿烂作为一种独特的文学现象，在作品中展现了病态美的审美价值。通过对肿烂这一主题的探讨，我们可以更好地理解文学作品中的社会现实和人性弱点，从而提升我们的审美素养。
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。