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。

原文链接 →

「研究」频道最新

• 实测智能体数据科学工作流：代码能跑但常答错问题 — hugobowne · 2026-07-27
• 一份横跨 ML、系统、NLP 与音频的经典论文清单 — deliprao · 2026-07-27
• TechCrunch 讨论脑波信号或成 physical AI 训练新钥匙 — TechCrunch AI · 2026-07-27
• NeurIPS 反驳阶段临近：如何写出高质量回复？ — furongh · 2026-07-27
• 一篇名为“在康托空间没人听见你流”的计算机论文 — fkasummer · 2026-07-27
• YC 讨论具身机器人：预训练、记忆和组合行为才是关键 — ycombinator · 2026-07-27

更多「研究」频道 AI 资讯 →