NVIDIA AI(@NVIDIAAI)

We took a 30B model and split it in two to write tokens in parallel instead of one at a time. Intro...

6.4内容质量

TL;DR · AI 摘要

NVIDIA AI on X: "We took a 30B model and split it in two to write tokens in parallel instead of one at a time. Introduci...

核心要点

  • 主题聚焦：We took a 30B model and split it in two to write
  • 来源：NVIDIA AI(@NVIDIAAI)，建议结合原文判断细节。
  • AI 分析暂不可用，本条为保底评分与摘要。
#AI
打开原文

NVIDIA AI on X: "我们采用了一个30B参数的模型，并将其拆分为两部分，以并行生成token，而非逐个生成。推出Nemotron-Labs-TwoTower：由NVIDIA Research基于Nemotron-3-Nano-30B-A3B改进的扩散语言模型。其工作原理：一半用于存储上下文，另一半用于生成token，两者均复用预训练模型而非从零训练。我们发现其在保持原始模型98.7%质量的同时，生成速度提升了2.42倍。" / X

NVIDIA AI

@NVIDIAAI

我们采用了一个30B参数的模型，并将其拆分为两部分，以并行生成token，而非逐个生成。推出Nemotron-Labs-TwoTower：由NVIDIA Research基于Nemotron-3-Nano-30B-A3B改进的扩散语言模型。其工作原理：一半用于存储上下文，另一半用于生成token，两者均复用预训练模型而非从零训练。我们发现其在保持原始模型98.7%质量的同时，生成速度提升了2.42倍。

00:00

下午7:00 · 2026年7月1日

722.8K

次浏览

1

2

6

126

0

601

4

.

8

K

4.8K

2.6K

阅读126条回复 / X