注意力残差：深度学习中的选择性层级聚合

这项研究由 Kimi 团队提出，旨在通过名为 Attention Residuals (AttnRes) 的新机制优化大语言模型的架构。传统的残差连接采用固定权重的简单相加，导致随着模型深度增加，早期层的贡献会被不断稀释，且隐藏状态规模不受控制地增长。AttnRes 通过引入内容相关的注意力机制取代了固定累加，允许每一层根据输入动态地从之前的所有层中选择性地提取信息。为了解决在大规模训练中的内存和通信压力，研究者进一步设计了 Block AttnRes 变体，将层划分为块并进行块级聚合，从而在保持高性能的同时显著降低开销。实验表明，该方案不仅能使梯度分布更均匀并抑制输出值膨胀，还在多项下游推理与数学任务中取得了超越基准模型的表现。