月之暗面等大模型研发者撰文忆开发历程，知乎成 AI「思维链开源地」
「发完论文，上知乎亲自答」，人工智能研究者也不例外。
近日，DeepSeek 和月之暗面先后发布最新研究论文，一场聚焦大模型核心技术的深度讨论随之在知乎展开。2 月 20 日，月之暗面开源 MoBA 框架研发人员鹿恩哲、苏剑林分别在知乎讲述了研发思路，与此同时，微软研究院、清华大学团队以及阶跃星辰开源模型参与者，均发文分享研究了各自成果与历程。这被业界称为继模型开源、论文开源之后的一次「思维链开源」。
鹿恩哲的知乎用户名称为「Andrew Lu」，签名为「新晋 LLM 训练师」，他以「三入思过崖」为比喻，拆解了该模型框架研发过程中的三次关键突破和思维转变：首次思过崖是「将 MoBA 从串行两层注意力方案改并行的单层注意力方案」；第二次思过崖则从 2023 年 9 月一直持续到了 2024 年年初，为此团队参与者进行了多番激烈讨论；最后一次思过崖则鉴于「MoBA 本身优秀的数学性质」，没让整个项目付出巨大的沉没成本。
MoBA 项目中的另外一位参与者、知乎答主苏剑林，也发文补充了一些信息，在他看来，MoBA 值得业界继续延伸讨论下去，「我觉得 MoBA 并不单单是一次在 Sprse Attention 上的成功尝试，它的有效性还可能蕴含着一些值得深思的本质原理在里面，期待大家的集思广益」。
「这种试错的心路历程，是比技术报告都珍贵的经验」，一位知乎用户如此评价鹿恩哲的分享。业界普遍认为，模型参与者亲自拆解研发历程，是继模型开源、论文开源之后的一次「思维链开源」。知乎上不断有 AI 领域的从业者参与讨论，撰文分享各自大语言模型的研究历程。
微软亚研院高级研究员曹士杰在知乎撰文表示，其团队去年研究的工作也是同 sparse attention（稀疏注意力）有关。面壁智能联合创始人、清华大学计算机系副教授刘知远的团队在 2024 年发表过 InfLLM，其中也涉及一种稀疏注意力改进，并被 DeepSeek 此次发表的 NSA 论文所引用，InfLLM 项目参与者、知乎答主「xcjthu」撰文表示，NAS 最精彩的部分还是软硬一体化的设计，「正如 Deepseek-V3 带给大家的震撼一样，我认为 NAS 的硬件亲和性是这篇论文最精彩的部分」。
阶跃星辰于 2 月 17 日开源了两款多模态大模型，分别是视频生成模型 Step-Video 和音频生成模型 step-audio。其中视频生成模型的参与者、知乎答主「hzwer 黄哲威」即于知乎撰文，详尽介绍了这款大模型的研究历程，他称，「Step-Audio 项目主要就是想发挥大数据、大模型的类似大语言模型结构威力」。
知乎囊括了最广泛的互联网、AI、机器人等科技领域的从业者，成为从业者们最青睐的交流场所和思想碰撞的前沿阵地。在月之暗面 MoBA 与 DeepSeek NSA 的「撞车」发布之后，众多开发者选择在知乎分享大模型研究「踩坑」实录，不仅代表着开源社区与学术生态的深度融合，更印证了知乎作为中国 AI「思维链开源地」的独特平台价值。
