LoopFold方法并行化Looped Transformer循环深度
热点事件持续更新
LoopFold方法并行化Looped Transformer循环深度
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Feichen Song 等在 arXiv 论文（arXiv:2610.35556）中提出 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，所有组件仅用最终 next-token prediction loss 联合训练。 在 1.4B 模型实验中，LoopFold 将八项任务的平均零样本准确率从 53.41% 提升到 56.38%；相比九循环 vanilla 模型，它用五个串行阶段加额外并行计算把解码延迟降低 46%。论文称同等深度范围内 vanilla looped 模型和 PLT 的增益有限。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 22:58
LoopFold：并行化 Looped Transformer 中的循环深度报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv · cs.CLLoopFold：并行化 Looped Transformer 中的循环深度
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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。