先了解这件事
事件摘要
还没有公开综述,先看下面的报道时间线。
事件进展
1 个已确认进展
- 来源:UCSD Hao AI Lab
报道与讨论时间线
按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。
11月19日
UCSD Hao AI Lab一手
UCSD Hao AI Lab 提出 RecSA,以对数成本将 32K 训练模型外推至 2M token
UCSD Hao AI Lab 提出 RecSA,通过在 KV cache 上构建树并逐层搜索,使单次查询成本按 O(log L) 增长,让仅以 32K 序列训练的模型外推至 2M token。RecSA 基于 Qwen3-4B 初始化并用 0.62B tokens 训练,在 RULER 的 131K 至 2M 长度上超过所有基线,1M 时得分 60.5,对比最强基线 Dense + DCA 的 40.0。单张 H200 上,RecSA 在 524K 时将 prefill 加速 3.2×、解码加速 3.8×,项目已开源代码、内核、Qwen3 集成及评测工具。
AI 热点