发布Select-TTT测试时训练论文
热点事件持续更新
发布Select-TTT测试时训练论文
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
研究者发布论文提出Select-TTT，一种对In-Place测试时训练（TTT）的改进方法：按查询条件调节快权重写入强度，解决均匀写入导致无关内容稀释查询相关信息的问题。 该方法模型无关、无需监督、不引入新参数，直接从模型冻结的输出头读取每个chunk隐藏状态分配给查询token的概率质量，经温度缩放softmax转为学习率乘数，保留原有chunk级上下文并行计算。论文称其在两个benchmark和两个backbone上持续提升长上下文问答表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 15:58
Select-TTT：查询条件化的选择性快权重更新，改进 In-Place 测试时训练报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.AISelect-TTT：查询条件化的选择性快权重更新，改进 In-Place 测试时训练
研究者提出 Select-TTT，一种模型无关、按查询条件调节写入强度的 In-Place 测试时训练（TTT）改进方法，解决均匀写入导致无关内容稀释查询相关信息的问题。该方法无需监督、不引入新参数，直接从模型冻结的输出头读取每个 chunk 隐藏状态分配给查询 token 的概率质量，经温度缩放 softmax 转为学习率乘数，保留原有 chunk 级上下文并行计算。Select-TTT 在两个 benchmark 和两个 backbone 上持续提升长上下文问答表现。
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。