热点事件持续更新
研究团队提出Transformer新架构机制LayerRoPE
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月8日，arXiv刊载研究提出了LayerRoPE架构机制。该机制将Transformer隐藏状态随深度的增长转化为显式深度位置编码，通过单个共享向量和深度调节标量替代了传统的逐层归一化权重。实验表明，在超过100B tokens的训练中，LayerRoPE仅带来小于0.02%的FLOPs变化，并能够以减少3.4倍的计算量达到Pre-Norm 1.3B模型的损失水平。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
研究人员提出LayerRoPE机制，以减少3.4倍计算量达到Pre-Norm 1.3B损失水平。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 机器学习LayerRoPE：动态深度幅度与角度叠加
研究人员提出 LayerRoPE，将 Transformer 隐藏状态随深度增长转化为显式深度位置编码，用单个共享向量和深度调节标量替代逐层归一化权重。在 100B+ tokens 训练中，LayerRoPE 仅产生小于 0.02% 的 FLOPs 变化，并以减少 3.4x 的计算量达到 Pre-Norm 1.3B 的损失水平。
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。