面壁智能提出长上下文训练缩放定律
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
最新进展11月16日 21:30
面壁智能提出长上下文训练新缩放定律,可外推至 128K报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- 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%
02.557.510
11月17日06:0012:0018:0011月18日
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。