Transformer危！谷歌MoR架构发布：内存减半推理速度还翻倍，看完你就懂了！！

前言

超越Transformer，谷歌推出全新底层架构——Mixture-of-Recursions（MoR），注意不是MoE，它能推理速度提高2倍，而KV内存直接减半！

而且All in One，首次在单一框架中实现，用同一组参数处理不同任务的同时，进行动态分配计算资源。

就像给LLM开了个双层增强buff，模型性能和效率全都要。

谷歌DeepMind联合KAIST AI、Mila人团队通过统一参数共享、自适应递归深度和高效KV缓存，在保持大模型性能的同时降低计算和内存成本，形成新的效率最优解。

不少网友甚至将它形容为Transformer Killer。

更有甚者表示，该架构的出现或许能代表，潜在空间推理也许将会成为下一个LLM突破所在。

具体MoR创新在哪些方面？下面一一详解。

MoR：首次统一参数共享与自适应计算

Transformer的出现虽然带来了优秀的少样本泛化和推理能力，但随之而来庞大的计算和内存需求还是让训练和部署成为难题。

目前相关优化方法主要是参数共享和自适应计算，但往往只能二选一，无法同时兼顾。

于是研究人员提出了递归混合模型MoR，可以在单一递归Transformer中同时融合两个效率维度。

首先采用的递归Transformer，相比通过多个独特层构建token的标准Transformer，其直接将模型划分为递归块，复用一组共享参数池。

主要包含三种参数共享策略：

1. Cycle：循环复用层。
2. Sequence：连续复用同一层。
3. Middle变体：保留首尾层独特参数，仅共享中间层。

利用参数共享，可以减少独特参数数量，提升分布式训练效率，并通过连续深度批处理消除计算 “气泡”，提高推理吞吐量。

然后MoR采用动态路由机制，通过轻量级路由器为每个token分配不同递归深度，并集中计算在复杂token上，可以分为两种：

• Expert-choice路由：将每个递归步骤视作 “专家”，基于隐藏状态计算分数，通过阈值选择合适的token继续计算，采用层级过滤，优先为复杂token分配计算。
• Token-choice路由：初始阶段为每个token分配固定递归深度，通过softmax/sigmoid确定专家，然后token按分配深度依次完成递归。

另外，MoR本身还借助KV缓存策略，管理键值的存储与使用，同时确保内存效率的提升：

• Recursion-wise缓存：仅缓存当前递归步骤中活跃token的KV对，将注意力计算限制在本地缓存，降低内存和IO需求。
• Recursive KV共享：复用首次递归的KV对供后续步骤使用，确保所有token可访问历史上下文，减少预填充操作，而此时注意力计算量下降幅度较小。

在三种策略共同作用下，MoR通过在解码每个token时直接进行潜在思考，路由机制让模型能进行自适应推理，突破了先前固定思考深度的限制，实现了参数效率与自适应计算的统一。

性能超越Transformer

研究人员在135M到1.7B不同参数规模的模型上，就原始Transformer、递归基线模型和MoR进行对比实验。

实验表明，在相同的16.5e18 FLOPs的训练预算下，MoR使用了将近50%的更少参数，但实现了更低的验证损失和更高的平均少样本准确率43.1%。

而vanilla模型的少样本准确率此时是42.3%，说明MoR拥有更高的计算效率，可以在相同FLOPs预算下处理更多训练token。

在训练固定的20B token时，MoR也减少了**25%**的训练FLOPs，训练时间还缩短了19%，峰值内存减少25%。

另外，通过分析路由策略，发现Expert-choice路由的性能会在一定程度上优于Token-choice路由，说明路由粒度会对性能产生重要影响。

研究人员还对MoR进行了IsoFLOP分析，发现在135M、360M、730M和1.7B参数规模，以及2e18、5e18、16.5e18的FLOPs预算下，MoR始终优于递归基线模型。

虽然受递归容量瓶颈限制，在135M时略逊于vanilla模型，但在360M及规模的进一步扩大，MoR性能接近甚至超过Vanilla模型，且参数仅为后者的1/3，验证了MoR的可扩展性。

在推理吞吐量评估上，360M规模的MoR模型在固定批大小和最大批大小设置下，均优于vanilla。

递归深度的增加让更多token提前退出，KV缓存占用减少，吞吐量显著提升，验证了深度批处理与早期退出结合对部署效率的提升。

谷歌对底层架构的再思考

这已经不是谷歌第一次对底层架构进行重新思考，甚至可以说，谷歌始终希望利用架构创新重构计算范式，重新寻找AI新的平衡。

例如混合专家模型*（MoE）*正是这一理念的集中体现。

最早是在2017年，谷歌首次将MoE引入LSTM层，通过稀疏门控机制，仅激活部分专家网络从事输入处理，但仍能让参数量高达137B的模型保持高效训练。

后面推出的GShard将MoE与Transformer结合，可实现动态负载均衡，2021年的Switch Transformer又进一步地简化了路由机制。

而Gemini 1.5 Pro就是采用的分层MoE架构，将专家网络与多模态处理深度结合，可以处理更为复杂的多模态任务，训练和服务效率也得到显著提升。

MoE的底层逻辑设计突破了传统全连接模型的计算缺陷，现在已经成为了许多超大规模模型的优先选择，为应对算力瓶颈提供了新范式。

另外还有像TokenFormer等可扩展架构，将模型参数视为可学习的token，通过增量训练无缝扩展模型规模，为未来千亿级模型的低成本迭代提供了可能。

所以有网友认为，关于谷歌如今推出的MoR，会在未来彻底改变AI世界规则，会超越Transformer吗？一切交给时间验证。

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。

最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

AI大模型系统学习路线

在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

但知道是一回事，做又是另一回事，初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性，在这基础上，找到高质量的学习资源，不浪费时间、不走弯路，又是重中之重。

AI大模型入门到实战的视频教程+项目包

看视频学习是一种高效、直观、灵活且富有吸引力的学习方式，可以更直观地展示过程，能有效提升学习兴趣和理解力，是现在获取知识的重要途径

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

海量AI大模型必读的经典书籍（PDF）

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

600+AI大模型报告（实时更新）

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

AI大模型面试真题+答案解析

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】