跳到正文
热点事件持续更新

Soft-MTP 方法优化多 Token 预测

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

研究人员指出，多 Token 预测（MTP）的标准训练存在缺陷，其梯度中的残差会干扰学习过程，且这种干扰随模型规模增加而加剧。 为此，团队提出 Soft-MTP 方法，通过 KL 梯度恢复技巧移除噪声残差，仅反向传播自蒸馏信号。该方法支持 DeepSeek-和 Meta-风格的 MTP，无额外参数且无可测量开销，旨在提升推理效率。

AI 根据报道生成 · 3 小时前更新

最新进展10月30日 12:00
多 Token 预测做对了：Soft-MTP 移除噪声残差并提升推理效率

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. arXiv · ML
    多 Token 预测做对了：Soft-MTP 移除噪声残差并提升推理效率

    多 Token 预测（MTP）标准训练存在缺陷，其梯度中的残差干扰学习且随规模增加而加剧。 研究人员提出 Soft-MTP 方法，通过 KL 梯度恢复技巧移除噪声残差，仅反向传播自蒸馏信号，支持 DeepSeek-和 Meta-风格 MTP，无额外参数且无可测量开销。

本事件热度走势

可比范围当前
8
可比范围峰值
910月30日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。