跳到正文
热点事件持续更新

新论文提出Transformer动态推理SIDPP框架

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Marco Giunti与Fabrizia Giulia Garavaglia在arXiv提交论文(arXiv:2611.17953),提出序列级交互式动态并行处理(SIDPP)框架,称Transformer革命并非深度学习的量化扩张,而是基于不同推理原理的新范式。 该框架将token表示理解为被参数化“变换概念”动态改造的系统,推理时部分变换由当前输入动态构建,其机械结构基础是输出权重互连。作者称这一框架可解释模型对提示词的强敏感性,并为可解释性、控制、替代架构、神经形态系统等方向开辟研究路径。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.AI
    Transformer 范式:动态处理与新的推理原理

    arXiv 论文提出,Transformer 革命并非深度学习的单纯量化扩张,而是基于全新推理原理的范式转变。作者将 token 表示理解为被参数化“变换概念”动态改造的系统,推理时部分变换由当前输入动态构建,其机械结构基础是输出权重互连,称为序列级交互式动态并行处理(SIDPP)。该框架可解释模型对提示词的强敏感性,并为可解释性、控制、替代架构、神经形态系统等方向开辟研究路径。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月16日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。