固定大小缓存如何支撑块扩散模型规模化推理
原文标题：Fixed State, Long Reach: What a Constant-Size Cache Buys Block Diffusion at Scale
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。
研究探索块扩散语言模型的缓存机制，提出用序列混合器将已完成块汇总为可复用状态，配合块因果训练目标使缓存精确。在 300B token 上预训练三个 3B 块扩散去噪器（注意力、Mamba、混合），仅状态空间缓存为 O(1)。在 256k token 下，Mamba 缓存延迟降低 4.3 倍、内存减少 11 倍、单流吞吐提升 2.6 倍，且检索能力可延伸至训练长度的 8-16 倍。
- 问题
- 扩散语言模型的双向去噪无法用朴素KV缓存，块扩散缓存受限于注意力。
- 方法
- 用序列混合器把已完成块汇总为可复用状态，配合块因果训练目标使缓存精确。
- 结果
- 256k token下Mamba缓存延迟降4.3倍、内存减11倍、单流吞吐升2.6倍，聚合吞吐达14倍，检索可延伸至训练长度8-16倍。
- 影响
- O(1)缓存让长上下文扩散模型在显存和延迟上可实用化，长序列推理不再受注意力缓存拖累。
深读 · 结论先行AI 生成展开看要点与影响 ↓
块扩散模型用状态空间缓存实现O(1)内存，256k token下Mamba缓存延迟降4.3倍、内存减11倍。
- •双向去噪器使扩散语言模型无法直接用自回归KV缓存，块扩散按块解码恢复缓存
- •用序列混合器把已完成块汇总为可复用状态，配合块因果训练目标使缓存精确
- •在300B token上预训练三个3B去噪器：注意力、Mamba、混合
- •256k token时注意力缓存达82GB、29ms/步，Mamba缓存延迟低4.3倍、内存少11倍、单流吞吐高2.6倍
- •恒定占用使批量聚合吞吐达14倍；Mamba与混合骨干检索可延伸至训练长度8-16倍
为什么重要：长上下文推理的内存与延迟瓶颈是扩散语言模型规模化的关键障碍，O(1)缓存提供了不同于注意力的路线。
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。