arXiv · cs.AI· Zeyu Fan, Alexandru-Dragos Manolache, Jan van Gemert·· 1 天前
RNN Homunculus：学习门控以获得长程记忆
The RNN Homunculus: Learning to Gate Long-Term Memory
arXiv:2610.14279v1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：Zeyu Fan, Alexandru-Dragos Manolache, Jan van Gemert
研究任务与主要进展
研究者分析了门控RNN在长程记忆中的门值学习问题，指出仅依赖长依赖训练样本时，门控架构仍可能受到梯度消失影响。通过加入短依赖样本，模型能够学习可迁移到长依赖任务的解决方案；在适当训练后，门控RNN的测试准确率达到或超过Mamba和xLSTM。结果基于论文摘要，具体实验设置与基准细节未说明。
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