Split-KV：训练扩散草稿模型的高效上下文并行方法
原文标题：Split-KV: Efficient Context Parallelism for Training Diffusion Drafters
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。
论文观察到扩散草稿模型的接受长度在固定查询预算下随上下文扩展保持稳定，而查询远短于上下文，据此提出精确上下文并行方法 Split-KV，将每层注意力通信限制在查询规模张量上，使通信与上下文长度无关。在 CP 规模 64 时保持 85%–91% 弱扩展效率，比最快基线提速最高 3.67 倍，代码已开源。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Split-KV利用查询远短于上下文的非对称性做精确上下文并行，CP=64时保持85%–91%弱扩展效率，最高提速3.67倍。
- •实验发现固定查询预算下扩散草稿模型接受长度随上下文扩展保持稳定，增大查询预算收益递减
- •方法将每层注意力通信限制在查询规模张量上，使通信量与上下文长度无关
- •CP规模64时保持85%–91%弱扩展效率，比最快CP基线提速最高3.67倍
- •配套LPT负载均衡策略实现低于1%的不均衡，规划速度比最佳基线快三个数量级
- •代码已在GitHub开源
为什么重要：扩散草稿模型训练的长上下文并行瓶颈有了精确解，对做投机解码训练的基础设施团队直接可用。
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。