OpenAI突然开源新模型！99.9%的权重是0，新稀疏性方法代替MoE
（来源：量子位）
破解AI胡说八道的关键，居然是给大模型砍断99.9%的连接线？
OpenAI悄悄开源新模型，仅有0.4B参数，且99.9%的权重为零。
也就是Circuit Sparsity技术的开源实现。
这是一种通过人为约束模型内部连接的稀疏性，让模型计算过程可拆解、可理解的大语言模型变体，本质上是为了解决传统稠密Transformer的黑箱问题，让内部的计算电路能被人类清晰解读，知道AI是如何做决策的，避免轻易相信AI的胡话（doge）。
更有人直言这种「极致稀疏+功能解耦」的思路可能会让当下热门的MoE（混合专家模型）走上末路。
那么，当Transformer的权重被训练到近乎全0，会发生什么呢？
先说说为啥这个模型的思考过程能像电路图一样好懂。
咱们平时用的传统大模型，内部神经元连接得密密麻麻，权重矩阵几乎全为非零值，信息传递呈现出高度叠加状态，就像一团扯不开的乱线，没人能说清它是怎么得出某个结论的。
而Circuit Sparsity模型反其道而行之，基于GPT-2风格的Transformer架构训练时，通过严格约束让权重的L0范数极小，直接把99.9%的无效连接砍断，只留下千分之一的有效通路。
这些留存的非零权重连接就像电路图里的导线，信息只能沿着固定路径传递；同时，模型还会通过均值屏蔽剪枝方法，为每个任务拆出专属的最小电路
比如处理Python引号闭合任务时，仅需2个MLP神经元和1个注意力头就能构成核心电路，包含专门的引号检测器、类型分类器等功能模块，就像电路图里的电阻、电容，各自管各自的事。
实验数据显示，在预训练损失相同的前提下，稀疏模型的任务专属电路规模比稠密模型小16倍，且具备严格的必要性与充分性——保留这些模块就能完成任务，删掉任一节点则直接失效。
这样，每一步的逻辑都能精准追踪。
那这时候就不得不提当下主流的MoE模型了。
MoE的核心思路是通过门控网络将模型拆分为多个专家子网络，每个专家负责处理一部分任务，靠路由器分配任务来提升效率，本质上是用拆分专家这种粗糙的方式近似稀疏性，目的只是为了适配硬件的稠密矩阵计算需求。
但这种架构存在致命缺陷：
反观Circuit Sparsity，追求的是模型原生的稀疏性，通过把特征投射到超大维度，再严格限制有效激活的节点数量，从设计上就让每个特征变得单义、正交，从根源上解决了传统模型一个概念分散在多个节点的叠加问题，不用靠路由器这种hack手段也能避免信息干扰。
不过Circuit Sparsity目前也有明显的短板，最突出的就是算力成本极高。
训练和推理的计算量是传统稠密模型的100-1000倍，暂时还达不到顶尖大模型的能力；
而MoE模型在算力效率和性能平衡上已经很成熟，短期内依然会是工业界的主流选择。
并且，这项工作也只是AI可解释性探索的早期一步，未来团队计划将技术扩展到更大的模型，解锁更复杂的推理电路。
目前，团队发现有两种克服稀疏模型训练效率低下的方法：
那么就期待研究人员后续用更成熟的工具或技术，逐步揭开大模型的黑箱面纱了。
[1]https://openai.com/zh-Hans-CN/index/understanding-neural-networks-through-sparse-circuits/
[2]https://x.com/byebyescaling/status/1999672833778287033?s=20
— 完 —
相关推荐
OpenAI突然开源新模型！99.9%的权重是0，新稀疏性方法代替MoE
DeepSeek的GRPO会导致模型崩溃？看下Qwen3新范式GSPO
昆仑万维日前正式宣布开源其创新的Skywork-MoE 2千亿稀疏大模型
OpenAI的新论文，为什么被业内嘲讽是营销？
OpenAI即将开源新模型，但不是最先进的那个
OpenAI中断开发新AI模型，发生了啥？
Llama对决GPT：AI开源拐点已至?
寻求与中国同行竞争 OpenAI发布“开放权重”AI模型
AI大模型的“混合专家”，底层原理是什么？
它要吊打一切开源模型？跟Grok-1一个“病”
网址: OpenAI突然开源新模型！99.9%的权重是0，新稀疏性方法代替MoE http://m.xishuta.com/newsview145229.html
