待验证50% 置信事实精确时间

Lafa的训练从预训练的自回归模型出发，通过流训练进行适配，流训练通过多token预测效应保留甚至提升了预训练AR模型的能力。

1

来源数

50%

置信度

长期有效

时效性

2026/10/21

首次发现

来源

Lafa：8B参数连续流语言模型，吞吐量超AR模型2.54倍

涉及实体

Lafamodel 流训练concept 自回归模型concept

相关事实

已验证GLM系列最初采用自回归填空的预训练框架，兼顾理解与生成能力73% 相似待验证CAI训练分为两阶段：先让模型依据原则进行自我批评与修正（SL-CAI），再通过基于AI反馈的强化学习（RLAIF）优化72% 相似待验证论文将LRH扩展到独立训练的模型，并提出训练流程与训练目标决定了哪些判据能够在多次运行中稳定成立。72% 相似待验证同一天发布两个前沿级模型，透露出训练管线可复用性——同一套预训练基础模型可以通过不同后训练与压缩策略派生出多个版本。72% 相似待验证实现内生对齐需要更强的训练和预训练环境控制能力，以便影响模型的本体论发展。71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1078860

API

curl https://kongchang.com/api/v1/knowledge/claims/1078860

MCP

get_claim(id=1078860)