热点事件持续更新
LMU：小 transformer 从局部轨迹外推混沌动力学
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 2 日，AGI Hunt 报道了 LMU 团队的一项研究：他们用自回归 transformer 从零训练，训练数据仅为非线性系统受限参数区间内的局部轨迹，模型却能在闭环推演中重现训练分布之外很远参数下的自相似倍周期级联与吸引子结构。在 logistic map 上，模型重现了直到周期 128 的逐次倍增，给出的有限阶标度比为 4.6687，与 Feigenbaum 常数的误差在 5×10⁻⁴ 以内。研究由此提出，很窄的局部观测窗口或许就足以泛化到未见过的全局动力学组织。目前该工作尚处于这一报道所描述的阶段，报道未提及后续验证或更多系统上的结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 10:17
LMU 团队发现小 transformer 仅凭局部轨迹训练，即可外推出倍周期级联与 Feigenbaum 常数。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- AGI HuntLMU 团队：小 transformer 只看局部轨迹，竟外推出混沌系统的倍周期级联与 Feigenbaum 常数
LMU 团队的自回归 transformer 仅用非线性系统受限参数区间的局部轨迹从零训练，就能在训练分布外很远的参数下闭环重现自相似倍周期级联与吸引子结构。logistic map 上重现到周期 128 的逐次倍增，有限阶标度比 4.6687，与 Feigenbaum 常数误差在 5×10⁻⁴ 内。研究认为，很窄的局部观测窗口或足以泛化到未见过的全局动力学组织。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。