具体来说，论文的核心是用“学习动态”框架统一解释大模型微调中的反直觉现象，该框架将每步梯度更新分解为三个因子，揭示了更新如何通过样本相似性在不同输出之间传播。 它不仅跑通了核心实验，成功吻合了SFT阶段的预测概率变化趋势，还清晰观测到DPO实验重点讨论的挤压效应，并顺利验证了原论文提出的Extend缓解方法。 这篇论文提出的Polar Express，把固定系数换成了动态求解，即每一轮根据当前矩阵的奇异值范围，现场算出本轮理论最优的多项式系数。 然后它专门画了一张验证图，把自己从零推算出来的系数，和论文里硬编码的数字并排放在一起，八个迭代步骤逐一比对。 它先搜集了网络上的信息，然后总结出了老黄去过的打卡点，然后搜索他们在地图上的坐标，决定利用Leaflet（一个用于构建Web地图的开源JS库）和高德地图瓦片为核心工具来完成我的这个任务。 这张图是黄仁勋在ComputeX上介绍的DSX AI生态系统厂商名单，搜集所有这些厂商的信息，制作一个横向的瀑布流网页，点击其中的卡片显示公司介绍。 我从B站上找了一道国际语言学奥林匹克竞赛的试题讲解视频，看M3能不能把这个过程看懂，然后复刻一个讲题的网页出来。 在MiniMax Sparse Attention出现之前，清华、浙大和月之暗面联合提出的MoBA（arXiv：2502.13189）是思路最干净的方案，把序列切块，轻量路由器给每个query选top-k相关块，复杂度从O(n²)压到近线性。 NSA（N代表Native，arXiv：2502.11089）是DeepSeek在研究层面的探索，它的论文数字好看但结构复杂，后续分析也指出质量提升主要来自门控机制本身，而不是稀疏化。 如果把M3本身的效果单独拿出来看，它作为旗舰模型重回国际第一梯队，综合能力和使用成本放在一起算，性价比依然站得住。