热点事件持续更新
学者提出兼顾单次与循环推理性能的语言模型联合训练方法
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv发布的一项研究提出名为“One Model, Two Paths”的联合训练策略。该策略基于加权损失设计，旨在不增加参数的前提下，使语言模型同时兼顾单次前向与循环推理性能。该方法通过复用中间层权重来支持循环计算，并引入冻结的原始模型进行指导，从而显著减轻了因双路径共享权重而导致的单次前向质量退化问题。实验表明，该方案能够在预设容差范围内保留单次前向能力的同时，有效提升模型的循环预测效果。
AI 根据报道生成 · 5 小时前更新
最新进展10月27日 12:00
研究提出加权损失联合训练策略，在不增加参数下兼顾单次与循环推理。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 自然语言处理One Model, Two Paths：平衡语言模型的单次前向与循环推理性能
研究提出一种基于加权损失的联合训练策略，在不增加参数的前提下让语言模型同时兼顾单次前向与循环推理性能。该方法通过复用中间层权重支持循环计算，并引入冻结原始模型的指导，显著减轻了双路径共享权重导致的单次前向质量退化。在预设容差范围内保留单次前向能力的同时，该方案有效提升了模型的循环预测效果。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27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。