而如果是小公司呢，太小的公司往往会面临研发实力欠缺的问题。还有个更头疼的，则是抱负问题。小公司的第一要务首先是活下去，按照常理是不会乐意投入资源到通用类技术领域的。
所以，ds的这个规模正正好。
这或许就是缘分吧。林远很快就通过ds在github上的开源项目，给对方的账号发了封站内信过去。虽然作为开源项目，林远是可以直接提交项目贡献请求的。
可是呢，林远还是想低调一点。
一旦公开提交请求，那以后所有人都能看到某个账号给ds的大语言模型提交了关键代码更新，万一有一天有人扒出来这个提交更新的账号就是林远的。
之后要是好巧不巧，林远做空nvidia的操作又被人发现了，然后两厢关联，林远不就成了处心积虑做空nvidia了嘛。
虽然林远是想通过做空nvidia来反击k出口恶气，可事情做归做，留不留痕迹却是另外一回事。一旦留下了明显的痕迹，那麻烦事可就一堆。
成功的做空和操纵股价之间的界限鬼知道是如何区分的。
因此林远只是发了个私信，而且还是用临时申请的账号发的。
私信中林远给对方提供了一个关键思路，一个基于推理演进的关键思路。
根据算力系统对眼下各大ai大语言模型的深度扫描，系统给出的评语是：训练过程中过于强调算力的重要性，从而忽略了推理的价值。
用人话说就是：不过脑子就知道蛮干。
林远对此的理解是，就好比做数学题，你知道加减乘除的规律之后，就可以在此基础上做任意多位数的加减乘除运算，这就是推理的过程。
而与之相对的，就是硬凑答案。
当然，算力系统实际所指出的眼下市面上的ai大语言模型的缺陷自然不会是如此浅薄的拙劣。可是道理大差不差。
于是，林远就将算力系统的见解经过加工之后给对方发了过去。
他当然不至于仅仅发一段不着边际的有关强调推理过程的话，而是针对ds-v2版本代码中的某一组神经网络进行了针对性优化。
林远将这一组神经网络作为参照物，以此为根基修改代码，用实例诠释了算力系统有关强调推理的论点。
经过修改之后，这组神经网络就附带了动态自动可调节属性。以便在回答实际问题的时候，会从逻辑链入手，向用户展示模型自身的推理过程。
这一点是至关重要的，因为如果ai反馈的推理过程都是错的，那你直接就可以中断ai的回答，而不需要等ai回答完毕之后通过阅读答案再去判断。
这种推理过程犹如是答案的纲领，让人类能感知到ai的推理细节，从而实现双向奔赴。
因为ai所希望你问问题的方式，经常并非是人类实际的提问方式。再者人类的语言体系中本就存在一个随着谈话深入不停深化主题的概念，也就是说，人与人之间的谈话是需要联系上下文的。
这在日常对话中就很好理解，两个陌生人对话的前期总是免不了建立共同语境的过程。既然如此，那人与ai的对话也是如此。
强调推理，就是强调让ai抓紧这种推理逻辑链。