热点事件持续更新
循环语言模型新法：参数与KV缓存省3倍
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3日，AGI Hunt 报道称，huskydogewoof 发布《Rethinking at Fixed Points》，主张循环语言模型（looped LMs）可用 3 倍更少的参数和 3 倍更小的 KV cache，达到与标准 Transformer 相当的效果，即以恒定内存增加 FLOPs 来扩展能力。这是该事件目前唯一一篇报道，暂无后续进展，也未出现与早先报道数字或说法不一致的情况；报道本身未涉及具体基准测试结果与复现细节。
AI 根据报道生成 · 3 小时前更新
最新进展10月3日 07:10
新研究提出循环语言模型新法，称参数与 KV 缓存省 3 倍仍可媲美 Transformer。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- AGI Hunt循环语言模型新法：参数与 KV cache 省 3 倍仍媲美 Transformer
huskydogewoof 发布「Rethinking at Fixed Points」，主张循环语言模型（looped LMs）可用 3 倍更少的参数和 3 倍更小的 KV cache，达到与标准 Transformer 相当的效果，即以恒定内存增加 FLOPs 来扩展能力。
本事件热度走势
当前热度 9·可比范围峰值 10（10月3日 08:00）·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。