arXiv · cs.CL· Lele Yang·· 15 小时前AI 评分34
LooM：面向因果编码器-解码器语言模型的循环不变记忆
LooM: Loop-Invariant Memory for Causal Encoder-Decoder Language Models
来源与原文
arXiv · cs.CL
作者：Lele Yang
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/2611.06835v1
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
LooM（Loop-invariant Memory）针对 Looped Transformer 内存随循环数增长、计算只能整块调节、训练后难以改变循环数三大局限，在因果编码器-解码器中仅循环 decoder 首层之后的各层，token 的 KV 条目只在首次访问时写入，缓存不随循环数增长。单个模型可在每 token 3 到 21 层执行的所有预算间切换而无需 router，在足够循环下语言建模、zero-shot 准确率和长上下文困惑度均优于同数据训练的单次前向基线，且缓存大小相同。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。