Este artículo presenta por primera vez un modelo de lenguaje a gran escala inspirado en el cerebro (BriLLM), que se diferencia de métodos existentes como Transformer o GPT. BriLLM es una red neuronal basada en la definición de flujo de señal completamente conectado (SiFu) en un grafo dirigido. A diferencia de los modelos existentes, que se limitan a la entrada y la salida, BriLLM proporciona interpretabilidad para todos los nodos del grafo completo. Los tokens se definen como nodos en el grafo, y las señales fluyen entre ellos según el principio de "mínima resistencia". El siguiente token es el objetivo del flujo de señal, y dado que el tamaño del modelo es independiente de la longitud de entrada y predicción, teóricamente admite modelos de n-gramas infinitamente largos. El flujo de señal proporciona reactivación y soporte multimodal similar a los patrones cognitivos del cerebro humano. Actualmente, se ha publicado la versión china de BriLLM (4000 tokens, ancho de nodo de 32 dimensiones, predicción de secuencia de 16 tokens) y muestra un rendimiento similar al de GPT-1.
