https://www.php.cn/link/0d382a5fec7012c843c1bdfb0935c9a6
英伟达研究团队推出了jet-nemotron，这是一个全新的混合架构语言模型系列。该系列采用post neural architecture search (postnas) 方法，在保持预训练全注意力模型中mlp层权重冻结的基础上，仅对注意力模块进行高效结构搜索，成功实现了媲美甚至超越主流全注意力模型的精度表现，同时大幅提升了生成速度。
基于该方法构建的Jet-Nemotron-2B在多项权威基准测试中表现优异，其精度达到或超过Qwen3、Qwen2.5、Gemma3和Llama3.2等模型，生成阶段的吞吐量最高提升达53.6倍，预填充阶段性能提速达6.1倍。在MMLU与MMLU-Pro两项评测中，其准确率也优于当前先进的MoE型全注意力模型DeepSeek-V3-Small（总参数15B）和Moonlight（激活参数2.2B）。
该模型的核心技术亮点之一是JetBlock，一种创新的动态线性注意力机制，具备智能筛选值标记的能力，性能显著优于Mamba2、GLA等早期线性注意力方案。
同时，Jet-Nemotron引入了混合注意力架构策略：保留少量全注意力层以保障复杂推理能力，其余层则替换为高效JetBlock模块，从而在维持模型性能的同时，显著减少内存消耗并提升整体推理吞吐能力。
