EMNLP 2026：小模型涌现实体追踪等两篇论文

2026年10月27日，AGI Hunt 报道称，Micha Heilbron 团队在布达佩斯举行的 EMNLP 2026 上展示了两篇论文。其中一篇主会论文发现，十亿参数以下的小型语言模型也能涌现出实体追踪能力，并且在自然叙事上的表现超过人类。另一篇 TACL 论文则指出，类人短暂记忆能提升 transformer 语言模型的语言学习效果，但会损害其阅读时间预测。报道将这两项成果分别概括为“小模型实体追踪超人类”和“类人短暂记忆研究”，目前尚无关于论文细节、实验规模或同行反响的进一步信息。

AI 根据报道生成 · 39 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。