技术推主分析稀疏注意力长上下文训练：无需稠密预热是好信号
stochasticchasm · x · 2026-09-11
stochasticchasm 对某前沿模型训练配方的技术分析：- 稀疏注意力版本不再需要稠密注意力 warmup，是好的信号；低 prefill 算力使长上下文预训练成为可能。- 团队已有成熟配方、batch invariant kernel、低精度推理等支撑稳定 RL，此阶段最值得关注的是数据。- 这种训练方式可能让 agentic traces 更早进入训练过程，“midtraining 正在被吸收”。- 作者预测目前尚无人批评，但对方迟早会引入某种 value modeling。
所属事件:DeepSeek V4.1 Flash 技术报告流出：死磕 KV cache 压缩(44 条相关)→
「研究」频道最新
- 实验猴荒：中国 3-5 万美元一只，繁育周期 4 年成药物临床前瓶颈 — zebird0 · 2026-10-27
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27
- EMNLP 论文 GENIE:细粒度度量 LLM 故事的「新意」究竟在哪 — gregd_nlp · 2026-10-27
- hash n-gram 值嵌入助力 12×1024 GPT 刷新 30M 纪录至 3.2115 — RobertTLange · 2026-10-27