微软与清华团队提出改进版Differential Transformer，通过差分注意力替代传统softmax，解决了传统Transformer的噪声问题，显著提升了长上下文建模和信息检索任务的性能，模型参数需求减少至65%。实验结果表明，DIFF Transformer在准确性和稳定性上优于传统模型，代码已开源。