AI前沿：从模型嫁接到遗忘之谜

本期“TAI快报”深入探讨了五篇AI前沿论文的关键内容：1.《Exploring Diffusion Transformer Designs via Grafting》提出了“嫁接”方法，以不到2%的计算成本改造预训练模型，开启高效架构创新；2.《MesaNet: Sequence Modeling by Locally Optimal Test-Time Training》通过动态计算分配提升长文本建模能力，但全局理解仍有局限；3.《Log-Linear Attention》创新性地平衡了记忆与效率，增强长上下文处理潜力；4.《Kinetics: Rethinking Test-Time Scaling Laws》揭示内存成本在模型扩展中的关键作用，提出稀疏注意力大幅提升效率；5.《Replay Can Provably Increase Forgetting》颠覆性地证明重放旧数据可能加剧AI遗忘，呼吁更精细的学习策略。完整推介：https://mp.weixin.qq.com/s/MH7NNKyrEHvhPw-T6jLczQ在小宇宙查看该单集文稿