Titan-Llama：为预训练LLM加外部神经记忆模块
原文标题：Titan-Llama: Retrofitting Pre-trained LLMs with External Neural Memory Modules
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。
研究者提出 Titan-Llama，一种后训练方法，通过分层记忆架构为基于注意力的语言模型加装可在测试时更新参数的神经记忆模块（NMM）。在 Llama-3.2-1B-Instruct 上，QuALITY 准确率从 23.87% 提升至 40.51%，LongHealth 从 14.50% 提升至 40.75%，并实现更快预填充与解码、更低显存占用。代码已开源。
- 问题
- 长上下文推理 KV 缓存膨胀，循环模型又难并行训练。
- 方法
- 后训练为注意力模型加分层神经记忆模块，近期 token 全保真、历史压缩为固定大小循环记忆。
- 结果
- Llama-3.2-1B-Instruct 上 QuALITY 从 23.87% 升至 40.51%，LongHealth 从 14.50% 升至 40.75%，预填充快 20%+、解码快 37%、显存降 24%。
- 影响
- 不改架构即可给现有 LLM 加长上下文记忆，直接降低推理显存与延迟成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Titan-Llama给Llama-3.2-1B加测试时可更新的神经记忆模块,QuALITY准确率从23.87%升至40.51%。
- •后训练方法,用分块注意力掩码保留近期token全保真注意力,历史上下文压缩进固定大小循环神经记忆模块
- •无需从头训练新模型,可直接替换预训练注意力层
- •Llama-3.2-1B-Instruct上QuALITY从23.87%升至40.51%,LongHealth从14.50%升至40.75%
- •推理基准显示预填充快20%以上,中等上下文解码快37%,稳态解码显存低24%
- •代码已开源
为什么重要：在不重训模型的前提下同时改善长上下文精度与推理效率,对受限于KV缓存显存的长上下文部署场景有直接参考价值。
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。