BriefGPT - AI 论文速递 ·

包含符号层的深度神经网络中的符号正确性

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

神经符号深度神经网络（NS-DNN）通过引入符号层，结合了感知和逻辑推理的人工智能任务。符号正确性是NS-DNN的必要属性，可以指导其设计和分析。NS-DNN训练算法需要进一步发展。

🏷️

Kimi K3 模型结构（4）：深度维度，Attention Residuals
本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...
AI 智创简报：《Agent 记忆层被写进专利，垂直行业的本地化长尾还空着》
微软与UiPath近期公开了四项Agent记忆与跨上下文专利，涵盖共享上下文、事件流路由及三级记忆体系，显示大厂正抢占记忆层基础设施。尽管开源组件热门，但...
Kimi K3 模型结构（7）：结构决定系统
本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
EP224：MCP与RAG及AI代理的对比
本文介绍MCP、RAG与AI Agent的区别：MCP是连接AI与外部工具的标准协议；RAG通过检索外部数据提供最新答案；AI Agent能自主决策执行任...
Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...