BriefGPT - AI 论文速递 ·

背景问题：基于图结构知识背景推动开放式回答生成的边界

💡 原文中文，约500字，阅读约需2分钟。

📝

内容提要

大型语言模型在生成能力方面表现出色，但容易出现幻觉。基于检索的大型语言模型成为解决方案，但忽视了底层结构。我们提出了一个综合数据集，包含两个独特挑战。我们的模型在解决推理挑战方面优于以往的方法。

🏷️

看 NocoBase 的分支更新：AI 无代码平台进生产前，先把风险边界想清楚
NocoBase开源AI无代码平台更新，维护main、next、develop三分支，生产环境应用稳定版。文章强调AI无代码平台非黑盒，需关注配置导出、迁...
Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
DeepSeek-V4 模型结构（7）：结构决定系统
DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
Kimi K3 模型结构（8）：训练并行，一步训练里谁在等谁
本文介绍Kimi K3模型预训练的并行系统设计，聚焦MoE层expert并行。核心是MoonEP方案：每个rank预留E/R个冗余expert槽位，确保任...