搜索
STILL被NeurIPS 2026正式接收，这一首个内容感知的同层混合注意力架构通过自显著性分数按内容选择token，仅用0.04B训练token即在16K上下文下实现80%显存削减和83%预填充加速。
训不起2.8T的K3，玩够了124M的nanoGPT，想试试十亿参数、万亿token的预训练，门槛有多高？
补偿款来了，DeepSeek 发 Token 了。
就在刚刚，OpenAI晒出了一份打破纪录的Agent极限实测。
模型的思维链，让AI学会了用文字一步步推理；但科学家的思考，还发生在分子的三维空间、基因序列和实验曲线里。
大语言模型的生成过程天然具有自回归特性，即模型基于已有上下文逐 token 预测并生成后续内容。随着模型规模不断增大，单步前向计算的开销也随之增加，使得自回归解码面临较高的推理延迟。
让Agent写周报、分析方案，已经是许多人的日常。但每次开始，用户还得翻找资料、交代背景，智能体也要经过查找、阅读、整理等多个步骤，才能真正开始任务。换个任务，这套流程又得重来。反复处理这些已有资料，既费时间，也增加token消耗。资料越多、步骤越长，还越容易遗漏信息或出现偏差，影响任务完成的准确率。
把杯子放进微波炉里，这一人类几乎不用思考的日常动作，机器人却可能在杯子放不稳、夹爪碰到门框这样的细节上频频出错。
智谱上新了一个GLM-5.3-Highspeed模型，就在Zcode里。
一直以来，在Transformer架构中，注意力（Attention）与前馈网络（Feed-Forward Network，FFN）被认为是两个功能不同且互补的模块： 前者让词元（Token）彼此交互，后者对每个词元进行非线性变换。