近600次训练证明：Looped Transformer 全量 BPTT 优于截断反向传播

港大 MMLab 与 Yale 的论文用近 600 次训练系统研究 Looped Transformer 的截断反向传播（BPTT），拟合出统一 scaling law，发现联合优化前后向循环数时全量 BPTT 仍优于截断。