热点事件观察中
AWS 提出 priming 方法：预训练 Transformer 低成本转混合状态空间模型
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
2026年10月13日，Amazon Web Services 提出 priming 方法，复用预训练 Transformer 权重作为起点，无需从头重训即可将预训练 Transformer 转为混合状态空间模型，把混合架构的预训练成本降低超过 99%。在受控对比中，Gated KalmaNet（GKA）表现最佳；其 32B 参数混合模型在推理 benchmark 上与原 Transformer 质量相当，并在 128,000 tokens 上下文下实现最快达 2 倍的解码速度。
AI 根据报道生成 · 2 天前更新
最新进展10月13日 11:57
AWS 称 priming 方法可将预训练成本降低超 99%，GKA 32B 混合模型解码最快达 2 倍。报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- Hacker News · AI 最新AWS 提出 priming 方法：无需从头重训即可将预训练 Transformer 转为混合状态空间模型
Amazon Web Services 提出 priming 方法，复用预训练 Transformer 权重作为起点，将混合架构的预训练成本降低超过 99%。在受控对比中 Gated KalmaNet（GKA）表现最佳，其 32B 参数混合模型在推理 benchmark 上与原 Transformer 质量相当，128,000 tokens 上下文下解码速度最快达 2 倍。
本事件热度走势
当前热度 3·可比范围峰值 10（10月13日 13:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。