热点事件持续更新
研究者提出Looped Transformer免训练解码算法CopyLoop
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv自然语言处理板块发布免训练解码算法CopyLoop相关研究。该算法针对Looped Transformer架构，通过上下文复制提议、浅层筛选与连续循环调度实现推理加速，整体仅需轻量校准。在涵盖Ouro、Raven和Huginn家族的6个模型检查点测试中，相比全深度自回归解码，CopyLoop在Base模型上实现了2.98倍至10.70倍加速，在Thinking模型上达到2.74倍至3.52倍加速；在包含可重用上下文的长生成任务中，其加速效果更为显著。
AI 根据报道生成 · 5 小时前更新
最新进展10月30日 12:00
研究者提出免训练算法CopyLoop，在Looped Transformer测试中实现最高10.70倍解码加速。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv 自然语言处理CopyLoop：通过上下文复制与浅层筛选加速 Looped Transformer 解码
CopyLoop 是一种免训练解码算法，通过上下文复制提议、浅层筛选与连续循环调度加速 Looped Transformer。在 Ouro、Raven 和 Huginn 家族 6 个模型检查点测试中，它相比全深度自回归解码在 Base 模型上实现 2.98x-10.70x 加速，Thinking 模型上达 2.74x-3.52x 加速。该方法仅需轻量校准，在含可重用上下文的长生成任务中加速更显著。
本事件热度走势
当前热度 8·可比范围峰值 9（10月30日 15:00）·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。