古狗大脑在去年展示了如何基于LSTM来生成对话，但这些对话仍然存在上下文理解不一致的问题。

        也就是说，上一句对话中，它对这个问题还是A理解，当隔了几句对话后，再次出现涉及到第一句对话中的问题时，人工智能对这个问题的理解就变成了B。

        直到现在为止，似乎也没有什么更好的办法来处理这个问题。

        柚子科技又是怎么做到的？

        哈萨比斯和大卫席尔瓦绞尽脑汁，也不知道橘子大模型到底用的是什么样的模型结构。

        要知道，刚刚陆偲所展示的，对于人工智能来说，和下棋是完全是两种不同的能力方向！

        难道说，柚子科技开发出了全新的神经网络结构？

        不不不，此前没有看到过任何新论文出现，应该是他们针对于现有的神经网络做出了一些优化，或者发现了过去没有被注意到的某些论文的作用。

        赛后，一定要约他们团队聊一下，了解一下他们到底是如何做到的。

        这种交流在IT行业内其实很常见，很多伟大的产品创意其实都是在这种交流中产生的。

        内容未完，下一页继续阅读