上周腾讯发布了Hy4 preview，我翻官方介绍的时候，看到一个眼熟的词——iHC。

iHC？好像在哪见过。

顺着参考链接点进去，发现跟我前两天在知乎刷到的文章如出一辙。

我立刻点开知乎的「最近浏览」，找到了那篇原帖。

帖子题目叫《你的DeepSeek mHC可能不需要"m"》。

大概讲的是，DeepSeek训练AI时用的mHC“双随机矩阵”，思路很精妙，但实现起来有点复杂，需要反复迭代Sinkhorn-Knopp算法才能算出来。

作者“涮月亮的谪仙人”就有了一个想法：直接换成最简单的单位矩阵（Identity），会不会更好？

于是他在Qwen3的1.7B和8B模型上各跑了150B tokens的训练，果然得到了更好的效果，并给他起名为iHC。

他把这个发现写成了知乎文章，一篇个人技术笔记，成了大厂旗舰模型的技术来源，放到之前确实难以想象。

1、这种故事在知乎上不是孤例，知乎正在成为AI创新“孵化器”。

去年稀疏注意力（NSA）火起来的时候，清华大学刘知远团队在知乎发了一篇关于InfLLM长文本理解方案的分析。

讨论如何让模型只关注关键文本片段，降低长文本推理的算力开销。

帖子发出来后，评论区涌入大量从业者，补充细节、贴实验数据、提出质疑，讨论越挖越深。

后来帖子里的核心思路被DeepSeek收录进了ACL 2025的最佳论文。

知乎答主李明殊对NSA机制的通俗化解读，更让这个方向在圈子里快速传开。

微软亚研院、月之暗面等几家机构，后续都推出了自己的NSA方案。

还有个例子，一NLP工程师发的《Transformer调参避坑指南》，把大模型训练中Loss频繁波动的原因指向了学习率调度策略。

文章迅速传开，多家初创公司直接把里面的调参流程纳入了内部规范。

对应的GitHub项目通过知乎引流，拿到了340多颗星标。

2、我觉得这离不开知乎的一个优势：直接互动。

知乎上活跃着一大批AI领域的顶尖人物。

李沐很早就在知乎输出深度学习的思考，他的回答和专栏影响了很多入行的年轻人。

吴恩达亲自在知乎回答过“如何系统学习机器学习”这类问题，和普通用户直接交流。

李开复不仅是知乎的长期用户，也是知乎的投资人，经常在平台上分享对AI趋势的判断。

他们的点赞、评论或引用，本身就是一种行业级的认可。

这些大牛不是“挂个名”就完了，是真的在看、在点赞、在评论、在引用。

一个普通开发者写的东西，能被自己领域的顶尖人物看到并且认可——这种反馈闭环，在其他地方很难找到。

最后说两句。

这两年有一个很明确的信号：创新的门槛在降低，验证的周期在缩短。

一篇好的技术内容，不需要期刊、不需要会议、不需要漫长的审稿——它只需要被对的人看到。

而知乎，恰好是那个“对的人”最多的地方。