v3.645.2009.299841 安卓最新版
v8.160 PC版
v5.615.7113 安卓漢化版
v8.694.3837.3328 最新版
v6.919.6727.245411 最新版
v3.296.995.687674 IOS版
v2.259.2615 安卓漢化版
v7.36 安卓漢化版
v3.272 安卓版
v3.675.5895.58984 安卓最新版
v4.59.1739.363237 PC版
v8.546.7316.263493 IOS版
v9.465.9236 PC版
v3.418.578 IOS版
v1.751.5068 安卓免費版
v8.330 最新版
v8.287.6394.753215 IOS版
v3.874 最新版
v2.157 最新版
v7.831 PC版
v1.47 安卓漢化版
v6.881.5686.756337 安卓版
v3.363 安卓版
v2.410.3866.107158 最新版
v6.401 安卓漢化版
v9.333.5086.999446 PC版
v4.615 安卓最新版
v8.248.2032.971251 最新版
v1.644.6356.807373 安卓免費版
v2.237.6182 安卓免費版
v7.300 安卓漢化版
v6.745.223.588910 安卓最新版
v7.503.5422.896942 安卓漢化版
v4.982.1937.320442 最新版
v5.511.893.956349 安卓免費版
v5.297.2681.642472 安卓最新版
v3.216 IOS版
v1.720.2274.84719 安卓版
v7.619.8802 最新版
v4.563.9787.387507 安卓版
v1.544.2479.536173 安卓最新版
v9.281.500.631995 安卓免費版
v5.480.3642 最新版
v3.55.8565.959479 安卓版
v8.35 安卓版
v1.786.4289 安卓免費版
v8.418.7363 安卓免費版
v3.811.1344 安卓最新版
v9.142.6367.346554 PC版
v7.541.7056.173998 IOS版
v1.504.2157.266328 安卓版
v3.611.2487 安卓免費版
v4.499 IOS版
v4.891.4204 安卓版
v1.408 安卓版
v5.476 IOS版
v9.508.7520.836701 安卓版
v3.352.1457.526280 最新版
v4.428.3429.463934 安卓漢化版
v7.671 安卓最新版
v4.480.535.422830 安卓版
v6.308.7147.149398 安卓漢化版
v3.920 安卓最新版
v7.794 安卓免費版
v8.713.4108.728408 安卓最新版
v3.876.3278 安卓漢化版
v5.77.2157.474592 安卓漢化版
v7.131 最新版
v1.226.571 最新版
v7.129 最新版
v6.733.1091.357471 安卓版
v7.356 安卓版
v8.554 PC版
v1.318.2340 最新版
v5.176 安卓最新版
v2.672.9840 IOS版
v5.704.5335 最新版
v5.712.3673.463410 安卓最新版
v1.115.4353.651690 安卓免費版
v7.193 安卓版
澳门一级a裸免费久久
闻乐 发自 凹非寺量子位 | 公众号 QbitAI
256K文本预加载提速超50%,还解锁了1M上下文窗口。
美团龙猫LongCat系列新年出招,宣布全新希罕注重力机制LoZA(LongCat ZigZag Attention)
新手艺集中火力,重点解决长文本使命的明确、算力难题。
相比于LongCat系列之前的全注重力MLA机制,LoZA只改了一半的焦点?。
但模子长文本能力从256K扩展到1M,解码速率还快了不少。
甚至比同类型的Qwen-3模子体现还要好。
接下来看详细计划。
怎样做到 “只算要害部分” ?
全注重力机制的算力瓶颈在于平方级的盘算重漂后O (L?),这导致模子在处置惩罚长文本使命时对显卡要求高,还会泛起推理延迟问题。
LoZA的焦点思绪是专注于处置惩罚主要的内容,不主要的部分少花实力。
作为LongCat系列的焦点手艺升级,LoZA主要是在原来的MLA机制上做刷新。
详细分两步。
首先,给模子里的多头潜在注重力?镸LA做一个全局“筛查”,找出哪些?榭梢员凰⑿。
在原来的MLA架构中,每个MLA?槎际谴χ贸头W⒅亓Φ慕沟愕ノ,现在的新计划是给每个?榕湟桓隹裳叭ㄖ卅。
α值越高,说明该?槎钊⒅亓ε趟阍揭,一旦简化就容易丢性能;α值越低就意味着?榈目商婊恍郧,即便换成更轻量的盘算方法,对整体的明确能力影响也不大。
在训练历程中,团队冻结模子其他参数,只更新α的梯度,通过这种专门的校准训练让模子自主学习α值,然后按α值从小到大排序,找出那些希罕化后不影响性能的MLA?,也就是后续的优化目的。
随后,将找出的50%低性能?榛怀筛嵊牧魇较:弊⒅亓SA
这样就形成了一种交织结构,团队将这种结构称为ZigZag
SSA的盘算重漂后是线性的O (L·S)(S为希罕窗口巨细,牢靠为1024Token),远低于全注重力的O (L?)。
以是这种交织结构让模子既不会由于太过简化而变笨,又能把盘算重漂后降到线性级别,省不少算力。
为了让模子在关注局部细节的基础上不忽略整体逻辑,LoZA还设计了一个1024Token希罕窗口
每个窗口里有1个认真抓整体关联的“全局块”和7个认真盯周围内容的“局部块”,单块巨细为128Token。
这样的刷新也不需要重新训练,在中期训练阶段就能完成,本钱也较量低。
从测试数据来看,LoZA的体现也不错,主要是“更快”的同时“没变笨”
速率上,要是处置惩罚128K上下文,解码速率直接比原来快10倍;
256K上下文,模子预加载(读文本历程)速率快了50%,后续解码阶段天生内容时还能省30%的算力,相当于同样的硬件,现在能同时处置惩罚两倍多的长文本使命。
这也让LongCat-Flash-Exp解锁了1M上下文窗口。
性能上,LoZA也没由于简化而缩水。
处置惩罚回覆问题、写代码这类一样平常使命时,和原版LongCat-Flash持平;处置惩罚长文本使命时,体现反而更好。
好比在MRCR测试里,反超了同样能处置惩罚1M长文本的Qwen-3模子,还更稳固。
接下来,团队还妄想让LoZA支持动态希罕比例
随笔本场景自动多用全注重力包管精度,长文本场景自动增添希罕?樘嵘,甚至适配多模态模子处置惩罚长视频、长图文内容。
好一个新年新气象!
论文地点:https://www.alphaxiv.org/abs/2512.23966
— 完 —
相关版本
多平台下载
审查所有0条谈论>网友谈论
友达母
日韩精品久久久久免费
亚洲爽爽网91
女人18一级特黄大片
国产在线观看精品
亚洲免费精品
日本排泄物拉屎goshopping
九九爱www免费人成精品
www.26uuu. com
国产内地激情精品毛片漫画
一二三级片综合网
一本大道香蕉久中文在线播放
欧洲福利超清极品美女视频
日本3dmax动漫免费
美女裸体秘 无遮挡胸胶带衣视频
黄页网站在线观看啦啦啦啦
欧美成啪啪啪
动漫xbb视频
久久亚洲免费
www,日本黄色视频
午夜精品成人毛片非洲
国产一区二区精品999久久久