arXiv · cs.AI· Dongyu Gong·· 1 天前
语言模型工作记忆中的读出瓶颈研究
Language Models Share a Readout Bottleneck in Working Memory
arXiv:2610.21176v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Dongyu Gong
研究任务与主要进展
研究分析了15个不同规模的预训练语言模型和从头训练的最小Transformer，发现其在N-back任务中的工作记忆限制主要来自非目标项目造成的读出干扰，而非无法定位目标项目。线性探针几乎可以完美区分目标位置与诱饵位置是否出现匹配字母，即使模型自身经常误判；抑制非目标项目的字母身份能提高敏感度，而锐化注意力几乎没有收益。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org