热点事件持续更新
rosinality 提出新 looped MoE 配置
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 9 月 30 日，AGI Hunt 报道，研究者 rosinality 提出一种更高效的 looped MoE（循环混合专家）配置。该配置的具体调整为：专家数增至 2 倍、循环层数减至 0.5 倍、循环次数增至 2 倍，同时对注意力进行解绑（attention untying）。rosinality 的核心观点是，经上述调整后，looped transformer 面临的问题已从「归纳偏置」转向「如何更好地分配计算资源」，也即架构设计问题被重新定义为资源分配问题。截至目前，报道仅呈现了该配置的方案思路与这一核心判断，未给出实验结果、参数规模或其他验证性数据，事件仍在发展中。
AI 根据报道生成 · 4 小时前更新
最新进展9月30日 11:44
rosinality 提出专家 2x、循环层 0.5x、循环 2x 并解绑注意力的 looped MoE 配置。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- AGI Huntrosinality 提出新 looped MoE 配置：2 倍专家、0.5 倍循环层、2 倍循环并解绑注意力
研究者 rosinality 提出一种更高效的 looped MoE 配置：专家数 2x、循环层数 0.5x、循环次数 2x，并解绑注意力（attention untying）。其核心观点是，经此调整后 looped transformer 的问题从「归纳偏置」转向「如何更好地分配计算资源」，架构设计问题被重新定义为资源分配问题。
本事件热度走势
当前热度 9·可比范围峰值 10（9月30日 12:00）·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。