微信 WeLM 团队把一条「增加计算」的路线推进到了 617B MoE：不把输出写得更长，而是把额外计算折叠进 token 之间，让外部序列长度保持不变。1
图里抓三件事：
- 从 3 月的 80B 规模推进到 617B MoE；
- 文章称增量续训只用了完整训练量的 5.3%，9 个评测均超过自回归基线；
- 方法侧包括 Stream-Factorized Attention 与 KV-mirror，用来处理扩展序列的注意力成本，并把额外计算并行化。
1/4
WeLM 617B：把隐式思考折叠进序列
WeLM 将额外计算折叠进 token 之间，推进到 617B MoE，并报告了增量训练与评测结果。
评论
登录后可发表评论。