长上下文

GLM 5.2 发布：当长上下文与智能体走向深度融合在当今的大模型领域，我们正处于一个微妙的转折点。单纯的参数竞赛似乎已不再是唯一的焦点，开发者们开始更加关注模型在实际工程落地中的表现——尤其是长文本处理能力和复杂任务的自主执行能力。最近，智谱AI推出的 GLM 5.2 模型在技术社区引发了热烈讨论，这不仅是因为其在基准测试中的表现，更因为它在“长上下文”与“智能体”这两个关键维度上迈出了实质性的一步。

HyperAI超神经

在线教程丨最高4倍生成速度提升，DiffusionGemma可同时生成整块文本，基于多轮并行去噪持续优化结果6 月 11 日，Google 正式开源了基于离散扩散（Discrete Diffusion）技术构建的文本生成模型 DiffusionGemma。其基于 Gemma 4 系列领先行业的「参数效率智能性」（intelligence-per-parameter）以及前沿的 Gemini Diffusion 研究成果打造，并集成了全新的扩散解码头（Diffusion Head），以最大化生成速度。与传统大模型逐 Token 输出文本不同，其能够同时生成整个文本块，并通过多轮并行去噪不断优化结果，从而实现最高

这是谁的博客？

[模型解析] Kimi: 模型架构与长上下文能力分析Kimi 是月之暗面开发的大语言模型，以其超长上下文处理能力著称。本文将分析 Kimi 的技术架构与核心能力。

大数据AI人工智能培训专家培训讲师叶梓

TransformerFAM：革新深度学习的新型注意力机制深度学习领域的一项突破性技术——Transformer架构，已经彻底改变了我们处理序列数据的方式。然而，Transformer在处理长序列数据时面临的二次复杂度问题，限制了其在某些应用场景下的潜力。针对这一挑战，研究者们提出了一种名为TransformerFAM（Feedback Attention Memory）的新型架构，旨在通过引入反馈循环，使网络能够关注自身的潜在表示，从而在Transformer中培养出工作记忆（working memory），使其能够处理无限长的序列。

我是有底线的