v9.66 最新版
v7.375 安卓漢化版
v8.239.3532 最新版
v3.458.1709 PC版
v4.244 IOS版
v1.821.7649.972149 安卓免費版
v2.371.864.621639 最新版
v6.483 IOS版
v4.516.9517 PC版
v7.933.2322.528849 安卓漢化版
v5.967.9937.900603 最新版
v1.993.8253.557663 PC版
v1.372.8436.560071 PC版
v6.288 安卓最新版
v1.196.9764.5417 安卓漢化版
v3.810.2559.161384 最新版
v6.467.5362.933064 安卓漢化版
v8.63.3104.447913 安卓漢化版
v8.736.2090.464599 最新版
v2.512 安卓最新版
v9.655.9690.424223 安卓版
v4.312.9120.515920 PC版
v8.434.7688 安卓免費版
v5.386.600.266281 安卓免費版
v9.664.5035.762266 安卓最新版
v8.282 IOS版
v9.450 最新版
v7.648.9681 最新版
v3.693.5470.476260 IOS版
v5.127.491.272919 IOS版
v9.92.1552.442729 安卓版
v8.376.8838 安卓漢化版
v7.794.8220.581818 安卓最新版
v3.765.4890.992547 安卓最新版
v6.269.6825 最新版
v9.304.1734 安卓最新版
v7.224.3049.910881 安卓免費版
v9.152.7597.483597 安卓漢化版
v7.642.4659 PC版
v7.890 安卓漢化版
v3.753 PC版
v7.691.2639 最新版
v7.954.8380 最新版
v6.280.4991 安卓版
v7.473 PC版
v7.673.9169.519166 IOS版
v8.783.2752.965319 安卓免費版
v9.360.3187 PC版
v1.417.9205.111942 安卓漢化版
v1.938.8550.892248 安卓版
v3.476.8310.698850 安卓漢化版
v7.85.2353 安卓版
v6.51 最新版
v9.378.3292 PC版
v3.409.6296.757572 安卓版
v5.400 PC版
v7.564 安卓最新版
v3.26 最新版
v7.503.8823.506996 PC版
v4.210.6684.468542 安卓漢化版
v8.616.4428.458373 安卓漢化版
v2.483.1910 安卓版
v5.642 安卓最新版
v5.2.5207 安卓最新版
v4.467.8252.489397 最新版
v2.616 安卓免費版
v3.807.2454 安卓免費版
v4.709.6524 最新版
v9.148.7640 PC版
v4.853.6273.33402 安卓免費版
v2.870.7594.797756 安卓版
v5.88 安卓免費版
v7.648.651.353526 最新版
v6.353 安卓最新版
v2.867 最新版
v2.942.4985.317647 安卓最新版
v2.919.1027.680283 最新版
v2.240 安卓最新版
v2.613 PC版
v4.631.6730.600296 安卓最新版
困困兔
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
首页精品国产一区
玖辛奈同人漫画黄裸
https://www.6688.gov.cn
18禁爆乳漫画
182免费福利
国产又黄又湿又免费的视频
公孙离开襟开叉裙穿搭
偷窥自拍图片
波儿多野结衣影视
久久精品国产99国产精人妖
国产免费黄频
激情日色色色
男生黄 色 网
国产片婬乱二级毛片视频
欧美国产精品一区二区免费
荫蒂添出高潮A片视频
欧美精品黄页在线视频软件
天天摸天天碰天天添视频
一级毛片不卡视频在线
秋霞鲁丝