T-LoopFormer：token级弹性深度循环Transformer论文发布
热点事件持续更新
T-LoopFormer：token级弹性深度循环Transformer论文发布
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
Mingqian Yu 等在 arXiv 发布论文，提出 T-LoopFormer：通过动态 token 路由让每个 token 依据隐藏状态自适应决定循环迭代次数，并引入逐递归 KV cache，使不同深度的 token 仅关注对应缓存状态，以加速自回归解码。 作者称大量实验显示该模型在语言建模和零样本推理任务上表现稳健，并可能达到最低解码延迟；代码已提供。基于论文摘要，摘要未说明实验规模、具体指标和比较条件。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
T-LoopFormer提出基于动态路由的弹性深度Looped Transformer报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv · cs.AIT-LoopFormer提出基于动态路由的弹性深度Looped Transformer
基于论文摘要，作者提出T-LoopFormer，通过动态token路由让每个token依据隐藏状态自适应决定循环迭代次数，并引入逐递归KV cache，使不同深度的token仅关注对应的缓存状态，以加速自回归解码。作者报告其在语言建模和零样本推理任务上表现稳健，并可能达到最低解码延迟；代码已提供，但摘要未说明实验规模、具体指标和比较条件。
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。