热点事件持续更新
Q Labs 提出无需反向传播的 Dust 预训练方法
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026 年 10 月 6 日，Q Labs Research 提出名为 Dust 的零阶优化方法，用于 Transformer 语言模型的预训练。据该报道，Dust 在 Transformer 语言模型预训练上可与反向传播竞争。其做法是对每个 token 独立扰动激活，即节点扰动，使一次前向传播即可并行评估整个虚拟种群，从而无需反向传播。目前该消息经 Hacker News 热门渠道传播，报道中未提及更多实验细节、模型规模或对比结果，事件仍处于方法提出与初步传播阶段。
AI 根据报道生成 · 1 小时前更新
最新进展10月6日 10:07
Q Labs Research 提出 Dust 零阶方法，称可在 Transformer 预训练中与反向传播竞争。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- qlabs.sh（经 Hacker News）Q Labs Research 提出 Dust：无需反向传播的 Transformer 预训练零阶方法
Q Labs Research 提出 Dust，一个在 Transformer 语言模型预训练上可与反向传播竞争的零阶优化方法，通过对每个 token 独立扰动激活（节点扰动），使一次前向传播即可并行评估整个虚拟种群。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。