告别Transformer？上海交大「原生类脑」BriLLM首秀：信号流重塑大模型范式

主要观点总结

上海交通大学团队发布了首个模拟人类大脑全局机制的大语言模型BriLLM，解决了基于Transformer大模型的三个主要缺陷。BriLLM采用受大脑启发的动态信号传播替代基于注意力的架构，具有全栈可解释性。模型利用了静态语义映射和动态电信号传导等脑科学发现。该模型实现了三大颠覆性创新：信号全连接流动（SiFu）机制、无限上下文处理和100%可解释性。BriLLM还展示了多模态和具身智能的潜力，并得到了上海交通大学的重点项目资助。本文作者包括赵海教授和其他几位学生。

关键观点总结

关键观点1: BriLLM模型的设计灵感来源于脑科学的两项关键发现，解决了Transformer大模型的三个主要缺陷。

静态语义映射和动态电信号传导在大脑中的运作方式被用于构建模型，以实现更高的效率和可解释性。

关键观点2: BriLLM模型实现了三大颠覆性创新：信号全连接流动（SiFu）机制、无限上下文处理和全模型的可解释性。

SiFu机制通过信号传递实现预测，就像神经电信号在大脑中的工作方式。无限上下文处理使得模型可以处理任意长的上下文输入，而无需扩展模型规模。全模型的可解释性则让用户可以直接理解模型的决策过程。

关键观点3: BriLLM模型具有多模态和具身智能的潜力。

该模型可以处理多种模态的输入，并模拟感知-运动整合的通用框架。这是朝着实现具有人类智能水平的AI的重要一步。