热点事件持续更新
联合训练兼顾单遍与循环推理的语言模型
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27日 arXiv cs.CL 报道，重复 Transformer 层能在不增加参数的情况下提升语言模型性能，但共享权重的单遍推理与循环推理两条路径会相互牵制。研究采用加权损失对两条路径联合训练，并以冻结的原始模型作引导，显著减轻单遍性能退化，同时保留循环推理相对普通继续训练的增益。报道称，收益主要来自调整单遍损失权重；按验证集选定权重后，单遍质量保持在预设容差内。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
新研究用加权损失联合训练单遍与循环路径，并以冻结原模型引导，减轻单遍性能退化。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CL一个模型两条路径：语言模型如何平衡单遍与循环推理性能
重复 Transformer 层可在不增加参数的情况下提升语言模型性能，但共享权重的单遍与循环推理路径会相互牵制。研究采用加权损失的联合训练并以冻结的原始模型引导，显著减轻单遍性能退化，同时保留循环推理相对普通继续训练的增益，收益主要来自调整单遍损失权重。按验证集选定权重后，单遍质量保持在预设容差内。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·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。