SparseLLM
让结构学习走进可部署的语言模型。
- 面向
- 模型开发者与企业 AI 团队
- 合作范围
- 围绕 8B 公开模型、目标任务、服务负载和适配硬件开展联合评估；更大规模模型持续研发。
- 可能交付
- 模型与部署配置，以及包含质量、性能和测量条件的评估报告。
稀疏智能
True Intelligence,
Born Sparse.
稀疏，孕育真正智能。
以原创 CHT 动态稀疏科学，开创脑启发式稀疏智能，推动下一代人工智能。
以结构学习提升智能密度，让模型与计算系统释放更大的效率潜能。
神经连接
已有结构共同激活
01
连接增强
共同激活的神经元之间，连接可能增强。
公开模型
8B：让稀疏智能
走向开放。
从脑启发的原创科学，到全球开发者可以探索的公开模型。SparseMind 首个 8B 稀疏语言模型，让结构学习的潜力成为可检验、可复用的起点。
这一里程碑基于 Qwen3-8B 进行结构化稀疏适配，公开模型权重与发布清单，邀请研究者、开发者和硬件伙伴共同推进下一步。
SPARSEMIND / RELEASE 001
Qwen38B
2:4
指定权重矩阵的结构化稀疏
BF16
公开权重 · 基于 Qwen3-8B 适配
发布清单采用保留 2:4 零值的稠密 BF16 执行路径；系统效率取决于模型、硬件与负载。图形为格式示意。
结构学习
连接本身，
开始参与学习。
智能存在于连接的强弱之中。
也存在于连接如何组织。
CHT 让网络探索自己的结构。
产品与方案
Top Sparse Models
for Any Hardware
for Any Hardware
让高水平稀疏模型走向多样硬件。
原创科学。
共创计算价值。
从可探索的模型到稀疏算法与芯片协同设计，为真实工作负载建立可验证的工程路径。
SparseChip
让芯片的稀疏能力与模型结构共同进化。
- 面向
- 芯片、编译器与系统合作伙伴
- 合作范围
- 围绕目标模型与任务，联合探索训练适配、编译、算子和硬件验证。
- 可能交付
- 适配模型、执行配置，以及质量与性能验证报告。
验证进展
每一项进展，
都有它的坐标。
公开成果、工程验证与研发目标，清晰呈现。
CARLO VITTORIO CANNISTRACI团队
从网络科学，
走向下一代
智能计算。
CHT 源自 Carlo Vittorio Cannistraci 教授及研究团队对脑网络组织与结构学习的原创探索。SparseMind 将科学洞察与模型、硬件和商业团队连接，让研究走向可验证的工程。
学术研究与公司工程进展分开呈现；论文作者与机构归属以原文为准。
认识团队与科学根源公开研究成果
原创科学，
经得起追问。
从 ICLR 到 NeurIPS，再到 PMLR。
持续推进结构学习与硬件效率。
NeurIPS 2026NeurIPS 2026ICLR 2024NeurIPS 2025NeurIPS 2025PMLR 2026
面向卷积神经网络的通道级动态稀疏训练
Cannistraci-Hebb Channel-wise Dynamic Sparse Training of Convolutional Neural Networks with Contextual Modulation，海报论文。
面向硬件高效深度学习的半结构化动态稀疏训练
SCHTs: A Semi-Structured Dynamic Sparse Training Framework for Hardware-Efficient Deep Learning，海报论文。
超稀疏网络中的结构智能
Yingtao Zhang 等 · 探索连接组织和学习能力的关系。
从脑网络科学到 Transformer 与 LLM
Yingtao Zhang 等 · 通过柔性连接采样和渐进密度变化，扩展动态稀疏训练。
自适应 Cannistraci–Hebb 网络自动机
Jialin Zhao 等 · 自适应拓扑规则与复杂网络连接预测。
连接 CHT 与 N:M 半结构化稀疏
Jiaqing Lyu 等 · CHTs24 与稀疏重训练，推进硬件友好的 2:4 格式。
了解更多
从你的问题出发。
模型开发者
查看模型、发布清单与研究路径。
探索公开模型企业与芯片伙伴
定义模型、硬件与真实工作负载。
讨论计算挑战投资人
从原创科学到公开成果与商业方向。
了解 SparseMind