品玩3月17日讯，Moonshot AI近日发布名为Attention Residuals（AttnRes）的全新架构概念，旨在革新基于Transformer的大语言模型信息处理机制。针对传统残差连接中各层输出等权叠加导致信息模糊的局限，AttnRes引入深度注意力机制，允许网络层动态选择并加权组合先前层级的信息。

该方法将模型深度视为序列维度，使各层能主动检索历史特征，而非被动接收混合信号。此举有效解决了深层网络中隐藏状态冗余及缺乏选择性访问的问题，显著提升了模型在长上下文推理中的稳定性与效率。作为Kimi系列模型背后的技术突破，AttnRes体现了将注意力机制扩展至网络层级结构的趋势。

Moonshot AI持续通过架构创新推动大模型发展，其万亿参数混合专家系统已应用于复杂推理任务。AttnRes的提出标志着即使是最基础的残差组件，仍在向更 scalable、自适应的方向演进，为构建下一代高效能AI系统奠定理论基础。