跳到正文
热点事件观察中

面壁智能提出长上下文训练缩放定律

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

面壁智能(OpenBMB)提出一项针对长上下文性能的经验缩放定律,把 log(LongPPL) 建模为 N、Ds、Dl 的加性幂律,在留出规模上外推 R²=0.97。 配套的 Constant-Last4 协议可在单条可扩展训练轨迹上稳定监控长上下文表现。面壁智能称,该收益可从 32K 迁移到 128K,并在 SFT 后及长上下文与智能体任务中保持。

AI 根据报道生成 · 1 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. RadarAI
    面壁智能提出长上下文训练新缩放定律,可外推至 128K

    面壁智能(OpenBMB)提出长上下文性能的新经验缩放定律,将 log(LongPPL) 建模为 N、Ds、Dl 的加性幂律,在留出规模上外推 R²=0.97。配套的 Constant-Last4 协议可在单条可扩展训练轨迹上稳定监控,收益可从 32K 迁移到 128K,并在 SFT 后及长上下文与智能体任务中保持。

本事件热度走势

可比范围当前
4
可比范围峰值
1011月16日 23:00
近 24 小时变化
-51%

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。