我尝试着用让你爷爷奶奶都能理解的方式来描述mHC架构。
如果想理解mHC，先要知道HC（Hyper-Connections)；如果想理解HC，先要知道Residuals（残差）；要理解Residuals，先要知道深度神经元网络（Deep Neural Network)。
所以，有这样的一个认知递进：
Deep Neural Network -> Residuals -> HC -> mHC
好吧，还是有点复杂，可能你爷爷奶奶没兴趣听下去，但是你可以继续看下去，在本文结尾有直接给爷爷奶奶解释的版本。
什么是深度神经元网络(Deep Neural Network，DNN)
这个太多介绍了，在这个问题中，只需要知道DNN是由很多层构成的，因为层数多，所以Deep，而且，每一层都以表示为一个函数
x是这一层的输入，y是这一层的输出。
可以想想，当很多f函数叠加在一起，就可以表达复杂的函数关系，这也是DNN比较强大的原因。
但是，原本的输入，在每一层的传递过程中，特征会逐渐衰减，这给机器训练带来很大挑战。
打个比方：在一个大型公司里，CEO下达指令给CTO，CTO下达指令到VP，VP下达指令到Director，Director下达指令到Team Lead，Team Lead下达指令到基层组员，在这个指令传递链条中，原本CEO的想法会被模糊化，很容易被曲解，最后基层组员所理解的CEO最初想法可能大相径庭。
于是，有了——残差。
什么是残差(Residuals)
残差的概念是，把上面每一层的函数做一下修改，变成这样：
也就是，每一层给下一层的输出y，不只是这一层操作过的f(x)，而且包含这一层的输入x。
还是拿大型公司打比方：
现在CEO给CTO下了指令，CTO在理解了CEO的指令之后，除了把自己的理解给下一层的VP，还把CEO原本的指令一起给了VP，这样VP不光拿到了CTO的指令，还有CEO原本的指令。
同样，CTO给VP下达指令的之后，VP不光给Director自己的理解，也把CTO给的指令传给VP
……
依次类推，VP、Director、Team Lead直到基层组员，不光能够直到上一层理解的指令，还知道上上一层的指令。
这样，每一层获得的信息更大，避免信息衰减，原本CEO的想法更保真地传递给基层。
什么是HC（Hyper-Connections)
在DeepSeek论文里的这张图，中间的部分就是HC，但这是简单起见只展示了一层HC的架构，实际上HC可以跨越多层。
还是拿大型公司打比方：
为了进一步提高指令传递有效性，不只是越级传达，还可以有更多样的指令传递渠道。
比如，CEO传递给CTO的指令，CTO可以选择性传递，技术无关的信息，CTO就降低权重传递给下面的VP，和技术相关的信息，CTO就增加权重传递给VP。
CTO甚至还可以选择把重要指令直接越级传递给Director甚至Team Lead层，只要他觉得这非常重要。
毫无疑问，HC是Residuals的强化版，预期可以产生更保真的信息传递。
什么是mHC（Manifold-Constrained Hyper-Connections)
要理解mHC，先要理解什么是Manifold（流形）
什么是流形（Manifold）
Manifold是一个数学概念，用最简单的化描述就是：近看是N-1维的东西，实际是N维东西的投影，这就是N维流形。
举例来说，地图就是流形，因为地球实际上是圆的，地形也是有高低起伏的，是三维世界的东西，但是，看地球上的局部地区的时候，可以看成是二维的地图。
重点就是，虽然我以二维方式表达三维地球并不是全貌，但是看起来也能有我这个维度需要的所有信息，可以看得懂。
对于神经元网络中的数据空间，也存在这种N维数据可以在低维度看起来是连续平滑的流形。
那么，什么是mHC
我们再来看DeepSeek论文中的图，最右侧就是mHC，对比HC就很清楚了。
还是拿大型公司来打比方。
在HC状态下，层级之间的壁垒是被打破了，信息传递更加充分了，但是容易带来不稳定性。
设想一下，CEO直接给一个编程的基层组员下达指令，这个组员肯定会很疑惑，大家不在一个层面上啊，你CEO掌握的是公司方向，我基层程序员解决的是具体bug，换句话说，CEO的流形和基层组员的流形根本不搭。
mHC就是给HC施加一些约束，比如，CEO的KPI之一是『提高产品质量』，那这个流形基层程序员可以看懂，对应于『减少Bug』，可以看得懂；但是，CEO的另一个KPI是『扩大融资额』，这就和基层程序员的工作完全不相关，看不懂啊，就不要听CEO哔哔这些了。
CEO有自己的世界观和地图，但是这种流形如果无法被其他层理解，那就不要做为那一层的参考了，或者，要换成那一层能理解的样子，这样才有参考意义。
总之，mHC就是给HC一些约束，让多样的信息流动也有一些约束，避免不稳定性。
写在最后
这次DeepSeek只是一篇论文，并没有对应的模型发布来验证这个想法，后续应该能看到产品发布，不过，这个『Deep Neural Network -> Residuals -> HC -> mHC』演化如此自然，感觉就是水到渠成。
值得一提，Residuals、HC和mHC全都由中国人贡献！
最后，给出你爷爷奶奶也能理解的mHC版本：
就像织毛衣一样，以前手工织毛衣只用一根线，效率不高。然后，我们发明一种机器，使用多股线一起编织（HC)，这样效率就高多了，但是容易多根线头之间容易缠绕。现在用mHC方法，添加了一个智能理线器来防止线缠绕。这样一来，我们织出的毛衣更加结实耐用，而且更加美观。
==== Trisimo崔思莫 大模型话题下的优秀答主 ===
字节的HC超连接，占有六到七成贡献，提出了新的技术范式。
DeepSeek的mHC流形约束超连接，占有三到四成贡献，大大提升了大模型上的可用性，补齐了稳定性和经济性。
大概可以理解为：字节豆包搞出来一个核聚变方案，DeepSeek给他套了一个托卡马克环。（mHC这个词看起来就像核工业里面的名词。笑）
字节的HC，是一种高爆美学，初衷为了解决预/后层归一化问题（这是残差连接的一个顽疾，在炸膛和钝化中做选择）。
残差连接（无论是 Pre-Norm 还是 Post-Norm）都有一个共同的局限：它们预先定义了层输入与输出之间的连接强度，而不是让神经网络自主学习最优的连接比例。
字节提出了全新的“物种”，在所有人都还在传统的 Residual Connection里打转时，字节跳动第一个跳出来说：要搞加法？为什么不能是矩阵乘法？
这是HC的一个爽点。
证明了“可行性”，字节不仅提出了想法，还在 1B 和 7B 这种中小规模的模型上跑通了，证明了这种疯狂的架构不仅能跑，而且收敛速度还能快 1.8 倍。
但由于缺乏约束，它会“开锅炸膛”，最大的坑是显存带宽，HC连接矩阵自由生长，导致信号在多层堆叠后出现“指数级爆炸”。
字节虽然在 7B 模型上跑通了，但 DeepSeek 在跑 27B 甚至更大模型时发现，原始的 HC 跑到 1.2万 步左右就会“开锅”（Loss 突然飞升，梯度乱跳）。
这车好是好车，就是开久了会掉坑里，还会滋滋冒烟。（在27B模型下， 原始 HC 由于缺乏约束，其复合映射的增益强度峰值达到了3000）
DeepSeek 指出 HC 的核心问题是破坏了“残差连接的恒等映射”，于是引入 Sinkhorn 投影算法把矩阵框死在“双随机流形”里，这就是m流形，这个词的来源。
HC 虽然参数少，但特别吃显存带宽。DeepSeek 为了能让这个技术在超大模型上用得起，搞了 Kernel Fusion 和 DualPipe。
从残差连接（加法）→字节HC（无约束的矩阵乘法）→DeepSeek mHC （流形约束的矩阵乘法）
这是一个经典→跳跃→优化的一个历史流变。
