Sakana AI 推出快速权重乘积键记忆方法
SakanaAILabs · x · 2026-07-04
Sakana AI 的论文《Fast-weight Product Key Memory》(FwPKM)将在 ICML 2026「面向可持续 AI 的持续适应」工作坊做口头报告。该方法把测试时训练(TTT)与乘积键记忆(PKM)结合,形成稀疏快速权重,可在不更新全部权重的情况下于推理时构建大容量记忆:存储量大、访问稀疏、支持测试时写入。在 128K 上下文长度下 5-needle NIAH 准确率约 75%,并在读取目标领域 400 万 token 后快速适应新领域,ΔNLL 最多下降 0.4。
「研究」频道最新
- YC 活动上称,生物基础模型必须模拟细胞而非只会描述 — david_van_dijk · 2026-07-27
- 谢雅琪加入 UIUC 任助理教授,招募智能体与机器人方向学生 — dhruv2038 · 2026-07-27
- Kimi K3 在网络安全上很强,但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有,不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解,引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 5090 本地测试:80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27