待验证50% 置信决策规则精确时间
团队选择Qwen2.5-1.5B-Instruct作为语言模型，原因是黑客松时间紧、硬件有限，从头训练模型不现实，且希望把精力集中在记忆架构上。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证VKORE 的路线存在权衡：重新发明跨硬件可移植的训练指令集会导致软件复杂度大幅上升，可能损失部分硬件级别的性能优化空间。67% 相似待验证QLoRA 的核心思路是先将预训练模型以 4-bit 精度量化以降低显存占用，再仅训练少量低秩适配矩阵而不更新原始权重66% 相似待验证如果训练集中代码数据占比达到40-50%(如Qwen的策略),模型会在编程任务中表现卓越,但可能在日常对话中显得过于技术化66% 相似待验证Qwen 2.5系列训练数据超过18万亿Token，采用Transformer解码器架构并引入分组查询注意力（GQA）机制66% 相似待验证VIDRAFT发布了名为VKORE-46M-NPU的小型语言模型，参数量4600万，完全从随机权重开始预训练，训练过程未使用任何GPU。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1060566API
curl https://kongchang.com/api/v1/knowledge/claims/1060566MCP
get_claim(id=1060566)