11月21日凌晨,北京时间刚过零点,腾讯首席AI科学家姚顺雨带着混元团队出现在海外社交媒体社区,做了一场文字AMA(公开问答)。问题来自全球开发者,回答前后持续两个多小时。
在提问的全球开发者眼中,中国开源模型已经自成一张对照表;混元被拿来比较的对象是千问和Kimi。
问答环节,有人直言:字节跳动和Kimi等(参数量)似乎都在往3T甚至5T推,你们为什么停在700B?混元团队回应:“Hy3和Hy4已经证明,较小的模型也能超越较大的模型,而且更便宜。”
不过,混元团队也表示,Hy4仍有很大的改进空间,尤其是通过后训练。“我们正投入大量精力进行大规模强化学习,同时继续改善用户体验和模型安全。我们还计划训练更大规模的模型。”
当被问及开发中最难的时刻,混元团队成员回答是:“从Hy3到Hy4的过渡是非常艰难的。我们没有进行那么多详细消融实验研究,因此在训练开始时有很多不确定性。在训练开始时,我真感到非常紧张。幸运的是,训练最后出乎意料地顺利。感觉就像是在赌一把全押,结果居然赢了。”
技术取舍上,混元团队提到了一些细节:架构选择在MLA(Multi-head Latent Attention,多头潜在注意力)和GQA(Grouped Query Attention,分组查询注意力)之间反复权衡了相当长一段时间。MLA计算强度远远高于GQA,这使得在推理GPU上进行规格解码时受到了计算限制。然而,在相同的KV缓存大小下,MLA提供了比GQA更好的模型质量。幸运的是,随着DSA(DeepSeek Sparse Attention)引入,能够降低MLA在解码过程中的计算强度。这使得平衡发生了转变,最终决定选择MLA。
换言之,混元团队选了更吃算力但效果更好的注意力方案,再用稀疏注意力把推理成本压回来。
当被询问后训练里最难改的行为时,混元团队只回了四个字:过度思考。
热门跟贴