一句话看懂：Hacker News 上出现了一个用 Rust 从零编写的非 Transformer 语言模型 PSSA，作者试图用选择性状态空间模型替代注意力机制；但社区讨论的焦点很快从架构本身转向了实验对比是否公平、代码与文档是否一致。
事件核心：发生了什么
PSSA 是一个不依赖 Transformer 架构的语言模型实现，用 Rust 从零编写。根据讨论中的技术说明，它的序列建模部分基于选择性 SSM（状态空间模型），思路更接近 Mamba，而非传统的 LSTM 控制器或神经图灵机。其宣称的核心优势在于：生成单个 token 时不需要把完整 KV 缓存加载进内存，因此理论上更利于长上下文和显存受限场景。作者表示实现语言只是细节，欢迎社区提供 Python 移植版本。
为什么重要
Transformer 的注意力机制在推理阶段需要维护随上下文增长的 KV 缓存，这既是显存开销的主要来源，也是长上下文成本居高不下的原因之一。选择性 SSM 路线被部分研究者视为降低单 token 推理成本的可选方案。PSSA 的价值不在于证明了什么结论，而在于它把一个仍属前沿的架构方向做成了可运行、可复现的代码。不过目前公开信息显示，这类项目要具备说服力，需要拿出与同规模 Transformer 在相同算力和数据下的对照结果，而不是仅展示损失曲线。
对用户/开发者/创作者的影响
对开发者而言，这个项目提供了一个非注意力架构的参考实现，可以观察状态空间模型在训练循环、优化器调度和推理路径上的写法。讨论中也有观点提到，Rust 生态已有 Candle 这类 AI 框架，从零手写并非唯一选择；而“in Rust”本身不构成技术优势，只是实现细节。对普通用户和创作者来说，短期内没有可直接使用的产品或 API 变化，它更接近研究原型。值得注意的是，有评论指出 README 中提到的“更新”机制在代码中并不存在，如果借助大模型撰写文档，至少应在发布前核对实现与描述是否一致。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是作者是否会补充公平的对照实验，例如在 Google Colab 免费 GPU 上跑更大数据集，并调整 Transformer 的学习率后再比较损失。二是社区是否会有人用 Candle 重写或提交 Python 移植，让更多研究者参与验证。三是这类非 Transformer 架构能否从 HN 讨论走向可量化的基准成绩，否则容易停留在概念层面。
来源：hackernews
