BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

Memorization and Knowledge Injection in Gated Large Language Models

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究提出MEGa框架，旨在解决大型语言模型在顺序添加新记忆和整合新知识时的局限性。通过直接将事件记忆注入模型权重，并利用门控机制激活相关记忆，从而减轻灾难性遗忘，展示了与人脑记忆系统的相似性。

🏷️

标签

MEGa框架 models 大型语言模型 灾难性遗忘 记忆整合 门控机制
➡️

继续阅读

  1. Kimi K3 模型结构（3）：序列维度，Gated MLA 与 3:1 混合
    本文介绍Kimi K3模型结构：采用3:1混合，每四层含一层Gated MLA（无位置编码、满秩sigmoid门），其余为KDA层。MLA低秩压缩KV至5...
  2. 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...
  3. Claude Fable 5.1 vs. Fable 5: On real work, I couldn’t tell them apart.
    Anthropic launched Claude Fable 5.1 this week, calling it “our most advanced ...
  4. Building trust in agentic RAG starts with evidence
    Basic retrieval-augmented generation (RAG) follows a straightforward pattern....
  5. 内容创作者失误
    During Naomi Osaka's match against Anastasia Zakharova at this year's...
  6. Kimi K3 模型结构（2）：序列维度（下），chunkwise 并行与下界衰减
    本文介绍Kimi K3模型序列维度的chunkwise并行算法：将序列分块，块间递推状态、块内用矩阵乘并行计算。K3将每步log-decay加−5下界，使...
👤 个人中心
在公众号发送验证码完成验证