Kimi杨植麟署名新论文新注意力架构MoBA发布，代码公开

大模型(LLM)是一种人工智能模型，旨在理解和生成人类语言。它们在大量的文本数据上进行训练，可以执行广泛的任务，包括文本总结、翻译、情感分析等等。LLM的特点是规模庞大，包含数十亿的参数，帮助它们学习语言数据中的复杂模式。这些模型通常基于深度学习架构，如转化器，这有助于它们在各种NLP任务上取得令人印象深刻的表现。

2022年底，OpenAI 推出的基于 GPT-3.5 的大型语言模型 ChatGPT，由于其优秀的表现，ChatGPT 及其背后的大型语言模型迅速成为人工智能领域的热门话题，吸引了广大科研人员和开发者的关注和参与。

为了方便大家阅读，只列出了论文标题、AMiner AI综述等信息，如果感兴趣可点击查看原文，PC端数据同步（收藏即可在PC端查看），每日新论文也可登录小程序查看。

如果想要对某篇论文进行深入对话，可以直接复制论文链接到浏览器上或者直达AMiner AI页面：
https://www.aminer.cn/chat/g/explain

MoBA: Mixture of Block Attention for Long-Context LLMs

【要点】：本文提出了一种新的注意力机制Mixture of Block Attention (MoBA)，它结合了Mixture of Experts (MoE)的原理，能够在不牺牲性能的前提下，提高长文本场景下大型语言模型(LLM)的效率。
【方法】：作者通过将Mixture of Experts的原理应用于注意力机制，创建了MoBA模型，使模型能够自主决定关注点，而非引入预定义的偏差。
【实验】：在长文本场景下，作者使用M