arXiv · cs.CL· Feichen Song·· 16 小时前AI 评分33
LoopFold：并行化 Looped Transformer 中的循环深度
LoopFold: Parallelizing Recurrent Depth in Looped Transformers
来源与原文
arXiv · cs.CL
作者：Feichen Song
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35556v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
LoopFold 将 Looped Transformer 中多个循环深度的计算折叠为同一 token 前缀的并行批次，用轻量级 predictor 提前估计后续循环输入，再用 corrector 修正输出，全部组件仅用最终 next-token prediction loss 联合训练。在 1.4B 模型实验中，LoopFold 在八项任务的平均零样本准确率从 53.41% 提升到 56.38%，而 vanilla looped 模型和 PLT 在同等深度范围增益有限。相比九循环 vanilla 模型，LoopFold 用五个串行阶段加额外并行计算将解码延迟降低 46%。
来源：arXiv · cs.CL · arxiv.org