热点事件持续更新
ResonatorLM引入输入依赖读取相位机制
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月12日，研究人员在 arXiv 机器学习板块发布研究，为共振序列模型 ResonatorLM 引入了基于当前 token 的输入依赖读取相位机制。该方法在仅增加 0.2% 参数的情况下，成功保持了精确卷积路径。在 6M 参数的 WikiText-2 字符级模型实验中，模型在 256 tokens 训练长度并外推至 1024 tokens 时，困惑度从 12.81 显著降低至 3.76。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
研究团队为ResonatorLM引入输入依赖读取相位，使长序列外推困惑度降至3.76。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 机器学习用于共振序列模型的输入依赖读取相位
研究人员为共振序列模型 ResonatorLM 引入了基于当前 token 的输入依赖读取相位，在仅增加 0.2% 参数的情况下保持了精确卷积路径。在 6M 参数的 WikiText-2 字符级模型测试中，该方法在 256 tokens 训练长度并外推至 1024 tokens 时，困惑度从 12.81 降至 3.76。
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。