“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。