DeepSeek发布最新论文《mHC: Manifold-Constrained Hyper-Connections》
AI导读：
DeepSeek团队发布最新论文，提出mHC框架以改进大模型训练性能。该框架建立在残差连接和HC范式基础上，通过智能调度系统解决模型训练不稳定问题，并有望为下一代基础架构发展指明新途径。
北京时间2026年1月1日，DeepSeek团队发布了最新论文，名为《mHC: Manifold-Constrained Hyper-Connections》，旨在改进大模型训练性能。该团队在基础模型理论研发上投入大量精力，创始人梁文锋近期入选《自然》2025年影响科学发展十大人物。论文聚焦于大模型训练的残差连接范式及其升级版本HC（超连接）范式，并提出mHC框架，通过智能调度系统解决模型训练不稳定问题。DeepSeek的mHC建立在何凯明团队和字节跳动提出的HC范式基础上，旨在重振对宏观架构设计的兴趣，并有望为下一代基础架构的发展指明新途径。
郑重声明：以上内容与本站立场无关。本站发布此内容的目的在于传播更多信息，本站对其观点、判断保持中立，不保证该内容（包括但不限于文字、数据及图表）全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关内容不对各位读者构成任何投资建议，据此操作，风险自担。股市有风险，投资需谨慎。如对该内容存在异议，或发现违法及不良信息，请发送邮件至yxiu_cn@foxmail.com，我们将安排核实处理。
