随着大型语言模型的快速发展，全注意力机制在准确率上表现出色，但 O(n²) 的计算复杂度导致长上下文任务耗费大量内存与算力，限制高效应用。现有架构多依赖从头训练，成本高且不利于中小型研究机构。混合架构虽兼顾精度与效率，但仍面临设计复杂和硬件适配困难的问题。针对这些挑战，研究团队提出 Jet-Nemotron，通过 ...