FPA：以路径极值替代求和的遗忘门注意力机制
原文标题：First Passage Attention
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 First Passage Attention（FPA），将遗忘门注意力的路径求和改为路径极值，按学习标量场在区间内的最深下探成比例降低键的 logit，从而选择性擦除中间上下文而保留更早的结构相关 token。FPA 将 Forgetting Transformer 作为特例，理论上常数维 FPA 头即可实现任意存活键子集。110M 参数模型上困惑度与 FoX 持平，并在 8 倍训练长度下实现完美 passkey 检索，KV 缓存压缩至约 25%。
- 问题
- 遗忘门注意力沿路径单调累加衰减，无法只擦除中间上下文而保留更早的相关 token。
- 方法
- 用路径极值替代路径求和，按学习标量场在区间内的最深下探成比例压低键 logit，将 Forgetting Transformer 作为特例。
- 结果
- 110M 参数模型困惑度与 FoX 持平，8 倍训练长度下实现完美 passkey 检索，KV 缓存压缩至约 25%。
- 影响
- 为长上下文推理提供更省显存的注意力结构，KV 缓存压缩到四分之一对部署成本有直接意义。
深读 · 结论先行AI 生成展开看要点与影响 ↓
FPA 用路径极值替代求和，110M 模型困惑度持平 FoX，8 倍长度 passkey 检索全对，KV 缓存压至约 25%。
- •把遗忘门的路径求和改为路径极值：按学习标量场在区间内最深下探成比例压低键的 logit，可擦除中间上下文而保留更早的结构相关 token。
- •理论上将 Forgetting Transformer（FoX）作为特例，常数维 FPA 头即可实现任意存活键子集；softmax 位置偏置或 token 级遗忘门需线性于键数的头维度。
- •合成实验中单层 FPA 头收敛到目标键集，softmax 与 FoX 基线在每个随机种子上均失败。
- •110M 参数语言模型上困惑度与 FoX 持平，并在 8 倍训练长度下实现完美 passkey 检索，KV 缓存压缩至约 25%。
为什么重要：若结论成立，长上下文模型可在更小 KV 缓存下保持检索能力，对推理成本敏感的长文本部署有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。