novigrad
1.0.0
对于ARC奖，我切换到Pytorch。诺维格拉德是一次有趣的学习经历。
动物每天都可以进行培训和推断，直到死亡的那一天。您需要的全部通行证。
通常，LLM等神经网络在训练过程中使用前后背部算法，并在推理过程中使用前向通行证。在AI中，LLM曾经通过大量数据进行培训。 LLM记得他们在训练中看到的东西。
完成此操作后，他们就被认为可以进行推断。
在这一点上，当他们准备推断生产时，他们不再学习。他们看起来像记得过去的回忆。但这仅仅是因为它们以自动回归方式给予了过去的上下文。但是他们在推断期间并没有真正学习。
真正的神经机器应始终进行培训并进行推理。这些活动之间没有区别。培训和推论都是关于模拟未来的。
2022年，杰弗里·辛顿（Geoffrey Hinton）教授发明了前锋算法。在前进算法中，没有前向通行证。但这不是时间效率。
杰弗里·欣顿教授的工作是诺维格拉德的起点。
诺维格拉德（Novigrad）是一个将神经网络模型（用ONNX向前操作员描述）编译为神经指示（用向前操作员描述）的系统。神经机器只是神经说明的流，例如AMD64程序是AMD64指令的流。
借助Novigrad（“ New Town”），您只需要进行训练和推理。
没有落后的通行证。您需要的全部通行证。为了实现目标，计算梯度所需的计算机简单地在生成的神经机器中烘烤。结果是，由此产生的神经网络具有用于培训和推理的计算机。动物大脑可能就是这样。
有许多浮游神经网络框架。该列表包括Pytorch（Meta AI），Tensorflow（Google），TinyGrad（Tiny Corp），蜡烛（拥抱面），Burn（Tracel AI），DFDX（Corey Lowman）等。据我了解，我认为列表中的任何框架都不可以使用前向通行证学习。他们都使用前后算法进行反向传播。
锈
Python
C ++
请参阅todo.md
cargo run --releasecargo test --releaseMega_man.txt来自Wikipedia。文本可在创意共享归因属于共享许可下可用4.0
