热点事件持续更新
研究团队提出弹性隐式循环训练方案ELR
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
2026年10月12日，研究团队在arXiv提出弹性隐式循环（ELR）训练方案。该方案消除了循环语言模型在单次循环时的精度损失，使单个检查点能够根据循环次数，在推理算力与模型精度之间实现弹性权衡。实验显示，在4B稠密模型和30B-A3B MoE模型上，4次循环分别使十项任务的平均分提升了7.25分和4.75分。此外，经后训练产出的Koi-4B模型单次循环表现可匹配Qwen3.5-4B，在4次循环下其得分从18分提升至29分。
AI 根据报道生成 · 6 小时前更新
最新进展10月12日 12:00
研究团队提出ELR训练方案并产出Koi-4B，实现推理算力与精度的弹性权衡。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 自然语言处理Elastic Latent Recurrence (ELR)：面向语言模型的弹性隐式循环机制
研究提出弹性隐式循环（ELR）训练方案，消除了循环语言模型单次循环时的精度损失，使单个检查点可按循环次数在推理算力与精度间弹性权衡。在 4B 稠密和 30B-A3B MoE 模型上，4 次循环使十项任务平均分分别提升 7.25 和 4.75 分；后训练产出的 Koi-4B 单循环表现匹配 Qwen3.5-4B，4 次循环得分从 18 提升至 29。
本事件热度走势
当前热度 8·可比范围峰值 10（10月12日 13:00）·近 24 小时可比范围变化 –
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。