谷歌新架构突破Transformer超长上下文瓶颈！Hinton灵魂拷问：后悔Open吗？

鱼羊
2025-12-05
18:48:55

来源：量子位

鱼羊 发自 凹非寺

量子位 | 公众号 QbitAI

Transformer的提出者谷歌，刚刚上来给了Transformer梆梆就两拳（doge）。

两项关于大模型新架构的研究一口气在NeurIPS 2025上发布，通过“测试时训练”机制，能在推理阶段将上下文窗口扩展至200万token。

两项新成果分别是：

• Titans：兼具RNN速度和Transformer性能的全新架构；
• MIRAS：Titans背后的核心理论框架。

核心要解决的，就是Transformer架构在处理超长上下文时的根本局限：计算成本会随着序列长度的增加而猛增。

不得不说，从Nano Banana到Gemini 3 Pro，再到基础研究方面的进展，谷歌最近一段时间就是一个穷追猛打的架势。

也难怪奥特曼要给OpenAI拉“红色警报”了。

突破Transformer超长上下文瓶颈

现在AI领域已经达成共识的是，Transformer虽好，但自注意力机制的效率问题正在日益凸显：每个token都要“关注”其他所有token，导致计算量和内存消耗与序列长度的平方成正比（O(N2)）。

学界已经探索了多种解决方案，比如线性循环网络（RNNs）和状态空间模型（SSMs）等。

这类模型通过将上下文压缩到固定大小来实现快速线性扩展。问题是，这种方法仍然无法充分捕捉超长序列中的丰富信息。

Titans + MIRAS，是谷歌提出的新架构和理论蓝图，目的是将RNN的速度和Transformer的性能结合到一起。

其中Titans可以理解为具体的工具，而MIRAS则是理论框架。两者共同推进了测试时记忆的概念：

即模型在运行过程中，无需专门的离线重新训练，就能通过整合更多信息来维持长期记忆。

本质上，可以说这个新架构的重点，是重新定义Transformer的“记忆模式”，将其进化为一种更强大的混合架构。

Titans：在线将上下文扩展至200万

具体来说，Titans引入了一种新的神经长期记忆模块。

与传统RNN中固定大小的向量或矩阵记忆不同，该模块本质上是一个在测试时动态更新权重的多层感知机（MLP）。

其独特之处就在于，通常模型训练完后，权重就固定了，但在Titans中，这个记忆模块在推理阶段依然在更新。

MAC（Memory as Context）是Titans架构的一种主要变体，设计思路是，将长期记忆作为一种额外的上下文信息，直接“喂”给注意力机制。

MAC并没有改变注意力机制本身的计算方式，而是改变了注意力机制的输入来源。它把从长期记忆中提取的信息，当作是历史信息的“摘要”，与当前的短期输入一起进行处理。

△MAC架构

研究人员发现，这个新的记忆模块能显著提升模型的表达能力，使其在不丢失重要上下文的情况下概括并理解大量信息。

更为重要的是，Titans并非被动地存储数据，而是能在输入数据中，主动学习如何识别并保留连接各个token的重要关系和概念。其中的关窍是“意外”。

在人类心理学中，我们很容易忘记一些常规的、预期之内的事情，但往往对“意外事件”印象深刻。

对于Titans也存在类似的情况。研究人员将其定义为“惊喜指标”（surprise metric）：指模型检测到当前记忆的内容和新输入内容之间存在较大差异。

• 低意外度：比如新词是“猫”，而模型的记忆状态已经预测到会有一个动物词，那么梯度（意外度）就很低。这时模型仅将这个词作为短期记忆来处理即可。
• 高意外度：如果模型的记忆状态是正在总结一份严肃的财务报告，而新的输入是香蕉皮的图片（意外事件），则意外度将非常高。这表明新的输入很重要或异常，需要优先将其存储到长期记忆模块中。

这样对“意外”的判断使得Titans架构能够有选择地更新长期记忆，从而保持快速和高效。

实验表明，Titans的MAC变体能够有效将上下文窗口扩展到200万，并在“大海捞针”任务中保持高准确率。

MIRAS：序列建模的统一框架

如果说Titans是跑车，那么MIRAS就是背后的核心引擎。

MIRAS核心目标是让模型在推理阶段也能进行学习。其独特之处在于，它不把不同的架构视为不同问题的解决方法，而是将其视为解决同一问题的不同途径：

高效地将新信息与旧信息相结合，同时又不遗漏关键概念。

MIRAS将任意序列模型结构为4个关键设计选择：

• 内存架构：存储信息的结构（如向量、矩阵，或Titans中的MLP）。
• 注意力偏差：模型优化的内部学习目标，决定模型优先考虑的内容。
• 保留门控（Retention Gate）：即“遗忘机制”，用于平衡“学习新知识”与“保留旧记忆”。
• 记忆算法：用于更新记忆状态的优化算法。

现有的序列模型大多依赖均方误差（MSE）或点积相似度来更新记忆。

MIRAS的另一个创新，是引入非欧几里得目标函数，允许使用更复杂的数学惩罚机制。

谷歌的研究人员基于MIRAS，创建了三个特定的无注意力模型：

• YAAD：使用更温和Huber Loss来处理错误，对异常值（如文档中的拼写错误）不敏感，鲁棒性更强。
• MONETA：使用Generalized Norms（广义范数），通过更严格的规则来管理注意力和遗忘，提升记忆稳定性。
• MEMORA：强制记忆像概率图一样运作，确保信息整合过程的受控和平衡。

实验结果显示，基于Titans和MIRAS的模型性能优于最先进的线性循环模型（如Mamba 2），以及规模相近的Transformer基线模型。

更显著的优势在于，新架构能够处理极长上下文，在参数规模小得多的情况下，性能优于GPT-4等大规模模型。

One More Thing

超越Transformer的探索还在继续，但不可否认的是，Transformer依然是大模型时代的理论基石。

那么，曾经一度在竞争中落后的谷歌，是否会后悔公开了Transformer的研究呢？

同样是在NeurIPS 2025上，Jeff Dean回答了诺奖得主、图灵奖得主Hinton提出的这个问题：

不，它对世界产生了巨大的积极影响。

这格局，谷谷人人又希希了。

参考链接：
[1]https://research.google/blog/titans-miras-helping-ai-have-long-term-memory
[2]https://arxiv.org/abs/2501.00663
[3]https://arxiv.org/abs/2504.13173

Read More