English(EN) One Update, One Quarter-Turn: The Attention Layer That Learned to Rotate

复杂的KDA实现了线性注意力中的旋转，以进行高级状态跟踪

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-06 21:56

研究人员详细介绍了一种名为复杂KDA（CKDA）的新型线性注意力机制，该机制允许在内存更新中进行旋转，从而实现比以往线性模型更复杂的国家跟踪。该机制建立在Moonshot AI的Kimi Linear架构之上，使用带符号门和特定的更新参数来实现这些旋转，这对于计数和跟踪状态至关重要。这项发表在arXiv上的突破表明，CKDA可以表示复杂的有限群，显著增强了线性注意力模型的表达能力。 AI

影响使线性注意力模型能够执行复杂的状态跟踪，有可能为需要计数和顺序推理的任务带来更高效、更强大的LLM。

排序理由该集群详细介绍了一种新机制（复杂KDA）及其在研究论文中发表的理论基础，该机制增强了现有模型架构。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群详细介绍了一种新机制（复杂KDA）及其在研究论文中发表的理论基础，该机制增强了现有模型架构。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Daniel Sam Pete Thiyagu · 2026-10-06 21:56

一次更新，一次四分之一转：学会旋转的注意力层

In October 2025, Moonshot AI made a startling claim: its Kimi Linear architecture — built on a new module called Kimi Delta Attention (KDA) — was the first linear attention to beat full attention under an identical training recipe. Not match i…

本文如何被排名

报道来源 [1]

一次更新，一次四分之一转：学会旋转的注意力层

相关实体

相关话题