ResonantLM 读出相位改为输入依赖
热点事件持续更新
ResonantLM 读出相位改为输入依赖
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Shivesh Rane 提出 Resonant Sequence Models 方法，将 ResonantLM 的读出相位改为当前 token 的函数，使读出环节具备输入依赖性，同时保持卷积精确性，参数仅增加 0.2%。 在 WikiText-2 的 6M 参数字符级模型上，训练长度 256、测试长度 1024 时，长序列困惑度从 12.81 降至 3.76。 分析显示相位确实编码了时间信息，但普通 token 在 2-8 步内即低于背景，阻尼选择也无法将线性重建扩展到约 16 个 token 以上。
AI 根据报道生成 · 58 分钟前更新
最新进展10月12日 12:00
Resonant Sequence Models 引入输入依赖读出相位，长序列困惑度从 12.81 降至 3.76报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CLResonant Sequence Models 引入输入依赖读出相位，长序列困惑度从 12.81 降至 3.76
ResonantLM 的读出相位被改为当前 token 的函数，仅增加 0.2% 参数，保持卷积精确性。在 WikiText-2 的 6M 参数字符级模型上，训练长度 256、测试长度 1024 时困惑度从 12.81 降至 3.76。分析显示相位确实编码了时间信息，但普通 token 在 2-8 步内即低于背景，阻尼选择也无法将线性重建扩展到约 16 个 token 以上。
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。