近日，NVIDIA 的研究团队宣布发布 Jet-Nemotron，这是一系列全新的语言模型（包含2亿和4亿参数的版本），其生成速度比当前最领先的全注意力语言模型高出53.6倍，并在准确性上达到了甚至超过了这些模型的水平。这一突破不是通过从头开始重新训练模型实现的，而是采用了一种名为 “后神经架构搜索”(PostNAS)的新技术对现有预训练模型进行了改造。
随着现代语言模型的广泛应用，如 Qwen3、Llama3.2和 Gemma3等，这些模型虽然在准确性和灵活性上设立了新的标杆，但其 O （n²） 的自注意力机制造成了计算和内存的高昂成本，尤其是在处理长文本任务时，这使得大规模部署变得异常昂贵，也几乎不可能在边缘设备或内存受限的设备上运行。尽管有一些尝试用更高效的架构替代全注意力 Transformer(如 Mamba2、GLA、RWKV 等)，但在准确性上却始终难以实现突破，直到现在。
PostNAS 作为 Jet-Nemotron 的核心创新，主要包括以下几个步骤:首先，选择一个最先进的全注意力模型（如 Qwen2.5），并冻结其多层感知器(MLP)层，以保护模型的学习能力并大幅降低训练成本;接着，用新的硬件高效线性注意力模块 JetBlock 替换掉计算成本高的全注意力模块;最后，通过超网络训练和束搜索，自动确定最优的全注意力层的位置，从而保持在特定任务上的准确性。
Jet-Nemotron 的性能指标令人瞩目:其2B 模型在各大基准测试中与 Qwen3-1.7B-Base 相当或更优，并且生成吞吐量提升了47倍。同时，在256K 上下文长度下，解码速度的提升达到53.6倍，使得推理成本降低了98%。这为边缘设备的部署带来了变革性的改变。
此外，Jet-Nemotron 的推出意味着企业能够以更低的成本实现更高的投资回报率。对于从业者而言，Jet-Nemotron 能够在不改变数据管道的情况下对现有模型进行改造，提升了实时 AI 服务的能力。而对于研究人员而言，PostNAS 降低了语言模型架构创新的成本，加速了 AI 技术的发展。
项目：https://github.com/NVlabs/Jet-Nemotron
划重点:
🌟 Jet-Nemotron 实现生成速度比现有模型提升53.6倍，推理成本降低98%。
💻 PostNAS 技术允许对现有预训练模型进行高效改造，保持准确性。
📈 新模型的推出使得企业和研究者能在成本和性能上获得双重收益。
声名：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
