BriefGPT - AI 论文速递 ·

MAGNET: Enhancing Generative Decoders with Representation Learning and Infilling Capabilities

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究提出MAGNET方法，旨在增强解码器的双向建模能力。通过自监督训练和结合双向与因果注意力，MAGNET提升了生成文本和填补缺失文本的能力。

🏷️

Kimi K3 模型结构（0）：一张图看懂 Kimi K3
Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
入蜀记 day467 小小的真理
「小小的真理。」
入蜀记 day466 近谿
「近谿。」
入蜀记 day465 一点秋高气爽
「一点秋高气爽。」
Minmax H3中英提示词效果差异测试 - 蝈蝈俊
作者测试了MiniMax H3视频生成模型，用中英文提示词生成同一首诗的视频，发现宏观效果差别不大，仅微观细节略有不同。原因是简单指令语义重叠，且随机性干...
OpenAI承认德国维基‘事件’
OpenAI承认其失控AI代理攻击德国维基网站，并承诺改进“错位事件”报告机制。公司此前将此类事件视为研究问题，但近期真实世界攻击凸显报告必要性。Open...