Новая технология DeepSeek улучшает обучение крупных языковых моделей → Блог → 3000+ AI нейросетей на одном сайте

Новая технология DeepSeek улучшает обучение крупных языковых моделей

Андрей Сарапулов · чтения · 11.01.2026 · Последние правки от 11.01.2026 в 16:22

Исследователи DeepSeek разработали новый метод, который делает обучение больших языковых моделей более стабильным и эффективным, используя математические ограничения для улучшения прохождения сигналов через нейронную сеть.

Команда исследователей DeepSeek представила новую технологию под названием Manifold-Constrained Hyper-Connections (mHC), которая решает важную проблему в обучении крупных языковых моделей.

В основе технологии лежит улучшенный способ передачи информации между слоями нейронной сети. Традиционно для этого использовались остаточные соединения, работающие как своеобразные короткие пути. Более новый подход Hyper-Connections (HC) расширил возможности передачи информации, но столкнулся с проблемой нестабильности при обучении больших моделей.

Главная проблема HC заключалась в том, что сигналы могли усиливаться в тысячи раз при прохождении через сеть, что приводило к сбоям в обучении. Новая технология mHC решает эту проблему, используя специальные математические ограничения: все значения в матрицах связей должны быть положительными, а сумма по строкам и столбцам должна равняться единице.

Результаты тестирования показали существенные улучшения. На моделях размером 3, 9 и 27 миллиардов параметров mHC продемонстрировала более стабильное обучение и лучшие результаты по сравнению с базовой архитектурой и HC. Например, на тестах сложных рассуждений BBH модель с mHC достигла 51% точности против 48.9% у HC.

Исследователи оптимизировали техническую реализацию mHC, чтобы сделать ее практичной. Несмотря на дополнительную сложность, технология добавляет всего 6.7% к вычислительным затратам, что считается приемлемым учитывая получаемые преимущества.

Команда DeepSeek рассматривает mHC как перспективную основу для дальнейших исследований архитектур нейронных сетей. Разработанный framework позволяет экспериментировать с различными математическими ограничениями для достижения специфических целей обучения.