20000 篇国际论文 4 篇最佳，它是唯一的中国面孔

主要观点总结

阿里巴巴的通义千问团队凭借论文《Attention Gating Makes Better Foundation Models》获得NeurIPS最佳论文奖。该论文提出了一种新的方法Attention Gating，解决了模型能力变大后出现的问题，可以显著提升大模型的泛化质量，并开始应用于下一代千问模型：Qwen3‑Next。通义千问一直走的是‘从底而上’的路线，这篇论文是对其技术路线的肯定，对未来几年大模型架构的发展有重大意义。

关键观点总结

关键观点1: 阿里巴巴通义千问团队获得NeurIPS最佳论文奖

凭借论文《Attention Gating Makes Better Foundation Models》解决模型能力变大后的问题

关键观点2: Attention Gating机制的解释

在大模型中，用于计算“该关注谁”的机制，是一系列模型理解文本或图像等信息的核心。Attention Gating作为论文的核心思想，旨在让模型学会节制，在注意力之后加一层可学习门控，以更有效地计算注意力分布。

关键观点3: 通义千问的技术路线与意义

通义千问一直采取‘从底而上’的技术路线，通过模型结构、训练策略等方面的迭代打造扎实的基础模型体系。此次论文获奖是对其技术路线的肯定，具有推动未来大模型架构发展的重大意义。