「分支注意力」共找到 260 篇相关文章
华人学生立大功!新王Mamba-3直击Transformer死穴,推理效率碾压7倍
新一代开源架构Mamba-3发布,由CMU普林斯顿原班人马打造,15亿参数性能比Transformer高4%,长序列任务端到端延迟仅为其七分之一。它采用新设计哲学,推理优先,有三大核心技术,还能与自注意力层混合提升检索能力。
英伟达等重新设计VLA推理!机器人动作提速3.4倍
英伟达等提出视觉语言动作模型 TacitVLA,让机器人先行动、同步写推理文本,延迟最多降低3.4倍,成功率与显式推理相当。
创始人强塞AI代码,致开源社区分裂!核心开发集体出走:“你这种强权压制,让人恶心!”
近期,GZDoom 背后的开源社区因创始人兼维护者 Graf Zahl 在代码库中加入未经测试的 AI 生成代码而分裂,抗议者创建了分支 UZDoom。Graf 称只是用 AI 生成样板代码,不影响核心功能,但社区成员认为开源项目不该用 AI 工具。
本体建完就能出应用:Palantir 把数据资产变成了产能
Palantir 宣布 Foundry Pilot 正式 GA。该工具支持通过自然语言围绕企业业务本体(Ontology)生成应用,覆盖自动建模、OSDK 数据调用及审查部署。
杀疯了,DeepSeek又开源了
DeepSeek 正式开放应用 API,并开源官方对话前端 chat-demo。该项目无需自建后端,纯前端直连接口即可复刻官方 App 的搜索、文件解析和语音功能。
Linux之父彻底入坑AI!Claude Code写内核,性能暴涨3倍
本文报道Linux之父Linus Torvalds在Linux官方内核仓库新增带LLM后缀的分支,他指导Claude Code参与内核内存管理模块的代码编写、测试和文档撰写,优化后多线程读取性能暴涨3倍,还借助AI梳理十年前的旧代码,挖出3个隐藏多年的Bug,打破了Linus此前对AI的质疑。
DGX Spark 跑 124B 的 Ling-3.0-flash:三个优化,单用户每秒 36 → 103 个 token
NVIDIA 在 DGX Spark 上运行蚂蚁 124B 开源模型 Ling-3.0-flash,通过三项技术叠加,使单用户真实测试吞吐提升 42.5% 且准确率不变。
NeurIPS 2026 Spotlight | 西工大提出ROSE:多模态终身知识编辑新范式
西北工业大学团队开源多模态终身知识编辑框架 ROSE,无需重训即可动态纠正或更新大模型事实。在 7B 模型上连续编辑 1000 次后,更新可靠性仍达 95.24%。
QwenPU:把一台计算机编译进了模型权重里
开发者 div 将一颗 RISC-V CPU 及向量单元直接编译进 Qwen3.5 权重,无需外部运行环境和额外训练,长整数算术准确率从 48.6% 提升至 100%。
黄仁勋「每天都在用」的 Perplexity 开始重构 Attention,把「判断」做成了一个独立模型
Perplexity 推出决策模型 Decider v1.3,把判断与分类单独拆成专用架构,让多个问题单次计算共享长文本,在 63 项分类任务中准确率达 91.6%。