v7.88.6748 安卓版
v5.933 安卓版
v2.617 安卓免費版
v1.139.4571.8805 最新版
v6.308 最新版
v2.550.354.740752 安卓漢化版
v8.94 安卓免費版
v1.707 安卓漢化版
v6.228.384.898511 安卓版
v8.629.3395.629896 安卓漢化版
v6.843 IOS版
v4.737.6192 安卓漢化版
v8.438 安卓版
v2.95.117 安卓版
v2.160.2348.299045 最新版
v5.603.36.949683 安卓免費版
v3.795 PC版
v2.764.4986.589498 IOS版
v7.624.9015.805536 PC版
v6.757.9437.990569 安卓版
v3.74.9169.679995 PC版
v4.423.3914 安卓漢化版
v5.940.9126.454491 IOS版
v6.708.4074 安卓版
v2.859.3759 安卓免費版
v3.485.9569.656576 安卓免費版
v5.976.698.418064 安卓漢化版
v5.182 IOS版
v9.972.762.995771 安卓免費版
v2.839.133 安卓漢化版
v4.141.1723.563187 PC版
v5.256 安卓版
v2.479.5334 最新版
v7.32.7091.793585 安卓免費版
v1.459 PC版
v4.578 安卓最新版
v9.824 最新版
v8.454 最新版
v7.203 PC版
v2.580.4110.206073 IOS版
v5.709.9978 安卓最新版
v3.482 安卓免費版
v9.390.5551.742338 IOS版
v1.436 安卓版
v9.377.2229.966853 PC版
v4.222.5847.815887 最新版
v9.231.1959.556418 安卓最新版
v1.219 最新版
v7.995.9834.947383 安卓版
v9.16.6084.104793 安卓版
v4.758.1679.685219 最新版
v2.866.2248.681641 安卓免費版
v7.401.6877.792401 IOS版
v8.966.5445.698891 PC版
v9.227.8281.630235 IOS版
v9.37.4456.254528 IOS版
v7.703.3425.800741 安卓版
v5.691.8827.592512 最新版
v9.590.3777.171269 最新版
v5.773.3286.172285 安卓最新版
v6.264.6717 最新版
v4.656.2266 最新版
v7.94 IOS版
v6.136.2887.958724 安卓免費版
v2.683.6345.71576 安卓最新版
v3.383.3852.972198 安卓漢化版
v3.141.4479.211156 PC版
v8.513 PC版
v6.745 最新版
v4.674.4058.791815 安卓最新版
v7.355.3720 PC版
v8.799.4253.713701 安卓漢化版
v1.72 IOS版
v4.531.8653 最新版
v7.10.961.334516 IOS版
v9.857.405.834182 安卓漢化版
v8.855.6057.744860 安卓版
v6.282.7373 PC版
v8.197 安卓漢化版
v4.251.93.326526 安卓漢化版
7788色婷婷
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
717影院琪琪午夜理论
庥豆杨贵妃传媒映画
av黄片入口
美女私密
毛黄色视频
Sweetie Fox
久久精品影院久久电影
欧美视频看
激情视屏网站
性视频成人网站链接
717秋霞午夜理论片
国产aⅴ+夜夜欢一区二区三区
貙
男女性猛片
人妻无码夜夜爽天天拍
亚洲卡通变态综合图区
中国美女日b
超碰97免费
国产精品视频一区二区91
一级a爱做片在线观看免费非洲
一级激情生活片
在线看
久久久国产99久久国产久