提出InfiLoop循环残差连接，7M参数模型提升循环推理
热点事件持续更新
提出InfiLoop循环残差连接，7M参数模型提升循环推理
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Pengxiang Li 等作者发表论文，提出InfiLoop，一种loop-native残差连接，用于防止循环Transformer在长迭代时性能退化，其机制是学习保留哪些过去的中间计算状态、以及从每次新更新中接受多少。据作者称，7M参数的InfiLoop在广泛推理任务上优于现有递归架构，在Sudoku-Extreme达到97.9%精确准确率，在ARC-AGI-2达到13.6% pass@2。代码已在GitHub开源（pixeli99/InfiLoop）。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 12:00
InfiLoop通过循环原生注意力残差支持数万次测试时迭代报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · cs.AIInfiLoop通过循环原生注意力残差支持数万次测试时迭代
论文提出7M参数的InfiLoop循环Transformer，通过循环原生残差连接保留有用的中间推理状态；作者称其在广泛推理任务上优于现有递归架构，并在Sudoku-Extreme达到97.9%的精确准确率、ARC-AGI-2达到13.6%的pass@2。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
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。