研究者让 1B 模型分块读长文并用记忆扩展上下文
alex_verem · x · 2026-07-25
- 来自 MBZUAI、Princeton、Weizmann 的研究团队，重新设计了一个 1B 参数模型 的阅读方式。
- 它不再一次性关注全部上下文，而是按 1,024 token 分块读取，并通过联想记忆把关键信息传到下一块。
- 研究者刻意模仿人类记忆：块内完整注意力相当于短期记忆，块间传递模块相当于长期记忆。
- 训练方式也采用了渐进式课程学习：先短文本、简单任务，再逐步提高难度。
- 结果是：长文处理时的显存压力明显下降，基线模型在超出上下文限制后迅速崩掉的问题得到缓解。
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11