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。
最新进展 · 正式报道
RecSA以对数成本将32K训练外推至2M token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
RecSA以对数成本将32K训练外推至2M token
UCSD Hao AI Lab提出RecSA,通过在KV cache上构建树并逐层搜索,使每次查询成本按O(log L)增长,让仅以32K序列训练的模型外推至2M token。基于Qwen3-4B并使用0.62B tokens训练后,RecSA在RULER的131K至2M长度上领先所有基线,1M时得分60.5,最强基线Dense + DCA为40.0。单张H200上,RecSA在524K时将prefill加速3.2×、解码加速3.8×,代码包含Triton和CUDA内核、Qwen3集成及评测工具。
AI 热点