始智AI wisemodel.cn开源社区
始智AI wisemodel.cn社区是源自中国的中立开放的AI开源社区。正在，欢迎加入共同成长。wisemodel社区上线，H800/H20等资源上线，价格实惠，灵活方便，支持在线微调训练模型，及和，并。
在人工智能领域，内存占用和性能之间的平衡一直是亟待解决的难题。姚期智院士团队带来了破局方案——全新注意力机制TPA。
TPA通过对每个token实施动态张量分解，突破传统。它不再保存完整的静态KV，而是存储其分解版本。
实验数据显示，这一创新使内存占用锐减90%甚至更多，同时模型性能并未受到丝毫影响。
TPA不仅性能卓越，还从理论上证明了流行的MHA、MQA、GQA都是它的特殊情况，用一个框架统一了现代注意力设计。
T6一经发布便引发各界热议。创业者们惊喜地发现，借助TPA技术，能大幅降低云服务成本；研究者们则期待团队能在更大规模模型上开展实验，带来更多令人期待的成果。代码已上线始智AI-wisemodel开源社区，欢迎大家使用。
代码地址
https://wisemodel.cn/codes/yifanzhang/T6/intro
动态张量分解，无缝集成RoPE
在AI领域，现有注意力机制虽然成果斐然，却饱受计算与内存开销大的困扰。像DeepSeek-v2提出的MLA，虽压缩了KV缓存，却与RoPE位置编码不兼容，每个注意力头都得额外设置位置编码参数。为突破这些瓶颈，姚期智院士团队创新性地推出张量积注意力（TPA，Tensor Product Attention）机制。
TPA独辟蹊径，在注意力计算时对QKV进行分解。和LoRA系列低秩分解方法不同，TPA会把QKV分别构建成与上下文相关的分解张量，能根据实际情况动态适应。
而且，TPA仅缓存分解后的秩，合理设置参数就能让内存占用锐减90%甚至更多。
更值得一提的是，TPA与流行的RoPE位置编码能无缝集成，能以低成本旋转分解KV，无需复杂调整。
基于TPA，团队打造出全新模型T6。实验中，用FineWeb-Edu 100B数据集训练T6，其困惑度相比其他注意力设计更低。
在ARC、BoolQ、HellaSwag和MMLU等基准测试里，T6的零样本和少样本性能出色，TPA和TPA-KVonly在多数任务中优于或追平所有基线。
TPA的出现，为人工智能领域的发展开辟了新路径，有望推动更多高效能模型的诞生 。
论文由清华&上海期智研究员团队、UCLA顾全全团队合作，共同一作为清华博士生张伊凡与姚班校友、现UCLA博士生刘益枫。此外还有来自心动网络Taptap的Qin Zhen。
编辑：成蕴年
----- END -----
wisemodel相关：
系统升级：
系列模型：
关于wisemodel更多
1
欢迎持续关注和支持
开源社区建设需要长期坚持和投入，更需要广大用户的积极参与、贡献和维护，欢迎大家加入wisemodel开源社区的志愿者计划和开源共创计划。期待更多开发者将开源成果，包括模型、数据集和代码等发布到 wisemodel.cn 社区，共建中立、开放的AI开源社区生态。欢迎扫码添加wisemodel微信，申请加入wisemodel社群，持续关注wisemodel.cn开源社区动态。
2
欢迎加盟wisemodel开源社区
始智AI wisemodel社区自2023年9月上线以来，逐渐成为影响力日益扩大的中立开放的AI开源社区，为了加快公司发展，我们长期需要技术、运营等人才加盟，技术侧重在AI infra、后端开发，熟悉K8S、模型训练和推理等技术， 以及熟悉开发者生态运营的成员，欢迎感兴趣的朋友加盟，可以通过添加wisemodel微信，或者将简历投递到邮箱：liudaoquan@wisemodel.cn
3
欢迎投稿优质内容
欢迎投稿分享人工智能领域相关的优秀研究成果，鼓励高校实验室、大企业研究团队、个人等，在wisemodel平台上分享各类优质内容，可以是AI领域最新论文解读、最新开源成果介绍，也可以是关于AI技术实践、应用和总结等。投稿可以发邮件到liudaoquan@wisemodel.cn，也可以扫码添加wisemodel微信。
4
关于wisemodel开源社区
始智AI wisemodel.cn开源社区由清华校友总会AI大数据专委会副秘书长刘道全创立，旨在打造和建设中立开放的AI开源创新社区，将打造成“HuggingFace”之外最活跃的AI开源社区，汇聚主要AI开源模型、数据集和代码等，欢迎高校科研院所、大型互联网公司、创新创业企业、广大个人开发者，以及政府部门、学会协会、联盟、基金会等，还有投资机构、科技媒体等，共同参与建设AI开源创新生态。
向上滑动查看
热门跟贴