一个拥有480亿参数的大模型，每次推理仅激活其中2.7B参数——稀疏率超过94%。在18个基准测试的平均表现中，它以更低的token消耗达到了与同级甚至更大模型相当或更优的准确率。这就是京东发布的JoyAI-LLM Flash。
论文指出，当前大语言模型面临两大交织挑战：token效率低下与计算成本高昂。JoyAI-LLM Flash正是为此而生——一个在50B参数以下区间重新定义性能与token效率平衡的MoE（混合专家）语言模型。
极致稀疏的架构设计
论文详细阐述了JoyAI-LLM Flash的架构配置：模型共40层Transformer，第一层为标准密集前馈网络，其余39层为稀疏MoE层。MoE模块采用细粒度设计，包含256个专家。每个token通过Top-8门控机制动态选择8个路由专家，并加上1个共享专家，总计激活9个专家。模型隐藏维度为2048，词表大小129K，最大上下文长度128K。
论文指出，模型采用Muon优化器替代传统Adam，该优化器通过矩阵正交化进行参数优化，在实验中不仅加速了收敛，且训练全程未出现明显的损失尖峰。此外，模型附加了单层密集MTP（多token预测）头，训练时丰富学习信号，推理时原生支持投机解码。
20万亿token的四阶段预训练
JoyAI-LLM Flash Base在超过20万亿token的纯文本语料上完成预训练，学习率调度采用Warmup-Constant-Cosine-Decay，分为四个阶段：
1. 基础阶段：建立通用语言能力。
2. 代码-数学增强阶段：大幅提升代码与数学数据比例。
3. 中期训练阶段：聚焦超高质量token以精炼推理能力，合成数据占比提升至60%以上。
4. 长上下文阶段：将上下文窗口扩展至128K。
数据来源涵盖网络爬取、代码仓库、PDF文档和大规模合成数据。论文在网络数据处理上采用MinHashLSH去重（Jaccard相似度阈值0.9），并训练专用BERT分类器进行语义安全过滤。
后训练：从SFT到FiberPO
论文将大量计算预算分配给后训练阶段，依次经过SFT（监督微调）、DPO（直接偏好优化）和RL（强化学习）三个阶段。
SFT阶段刻意交错“思考”与“非思考”认知模式的数据，这种混合训练显著提升了指令模型的非思考能力。训练数据涵盖数学、编码、工具使用、安全、创意写作等领域，其中编码和智能体数据占比约30%。
FiberPO是论文提出的核心RL算法创新，灵感来自纤维丛理论。它将信任域维护分解为全局（轨迹级）和局部（token级）两个组件，提供多尺度稳定性控制。这种分解带来三个关键性质：轨迹独立性、一阶一致性、尺度分离。
推理加速与量化
在MTP效率上，JoyAI-LLM Flash实现了1.87倍加速。在8K输入/16K输出设置下，相比GLM-4.7-Flash和Qwen3-30B-A3B分别获得1.45倍和1.07倍的速度提升。
论文同时采用QAT（量化感知训练）和PTQ（训练后量化）。PTQ实验显示，FP8量化带来17%吞吐提升且几乎无精度损失，W4AFP8量化实现近28%吞吐提升，精度仅下降1.2%。
最终效果
在LiveCodeBench上，JoyAI-LLM Flash以65.6%准确率超越GLM-4.7-Flash-Thinking的64.0%，同时token消耗仅为后者的约14%（7300 vs 53600）。在SWE-bench Verified上达到62.6%，在MATH-500达到98.2%。
当94%的参数在每次推理中保持静默，剩下6%却能交出超越同级别模型的答卷——这或许就是稀疏架构真正的力量。论文指出，未来将通过整合持续学习与持久记忆来扩展模型范式。
原文标题：JoyAI-LLM Flash: Advancing Mid-Scale LLMs with Token Efficiency
原文链接：https://arxiv.org/abs/2604.03044huggingface地址：https://huggingface.co/collections/jdopensource/joyai-llm-flash
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/28952
