图片来源与许可 · 参考图使用许可未确认
AI 辅助插画 · 参考照片：本人、机构或原活动页面发布；摄影者未注明 · 参考图使用许可未确认 · 依据已核对姓名的来源页面图像，由 AI 绘制 B 细线彩铅头像；调整背景与肩部构图。展示图缩放至最长边 640 像素并转为 WebP。 · 参考图：Ramin Hasani | Team | Liquid AI — Ramin Hasani
公开发言
3原话逐字核对过；转述不加引号这些在前向传播中由微分方程控制的系统具有高度非线性特征，且完全处处可微。因此你可以执行反向传播，并凭借其包含的多重反馈回路结构，极其优雅高效地从数据中完成表征学习。
these are highly nonlinear systems governed by differential equations in a forward pass and they are differentiable. So you can actually run them backward pass and you can basically learn them like really nicely because of the multiple feedback structures that they had.
语境：Ramin Hasani 阐释液体神经网络（LNN）的数学精髓：将动力系统微分方程与现代端到端梯度优化相结合，突破离散循环与自注意力机制的固有限制。
细看 LFM-2 系列模型，它们拥有非常优雅且精简的架构设计：大体由 80% 的双门控一维卷积算子加上约 20% 的分组查询注意力（GQA）混合构成。这是一种高度精简、极速且高质的基础模型架构。
The LFM2 instances of the models, they are, if you look at them, they have a very elegant and simple architecture. So the architecture is basically 80% doublegated convolutions you know 1D convolutions plus some uh group query attention basically 20% of query. So the architecture is just a very simplified
语境：Ramin Hasani 公布 LFM-2 的算子混合配比：通过神经架构搜索找到能原生在 CPU 上高速跑通的自回归混合结构，极大削减对全自注意力机制的算力依赖。
生物智能展现了令人惊叹的参数能效比；秀丽隐杆线虫仅凭 302 个电性非脉冲神经元即可精准调度 95 块肌肉细胞完成复杂运动控制，这一自然原型证明非线性连续时间架构具备远超传统离散机器人的紧凑表征潜力。
语境：Ramin Hasani 回顾 Liquid AI 的生物学灵感来源：自然界用极其微小的神经回路实现了超越现代昂贵机器人算力的控制泛化，为轻量化基础模型研发提供了范式指引。