DeepMind 推出 Recirculation 无需再训练强化推理

Google DeepMind 联合 UT Austin 发表新论文，提出无需再训练的架构进化方法 Recirculation。该方法针对传统前馈 Transformer 难以处理长序列状态跟踪的问题：浅层无法看到深层处理后的上下文信息，导致正确解释无法及时供后续使用。通过回传激活，模型可在推理时递归进化，修复长上下文中的状态丢失。

2026-08-23 ~ 2026-08-25 · 3 条相关

• 无需再训练，DeepMind 用 Recirculation 让模型推理时递归进化 — omarsar0 · 2026-08-23
• DeepMind 提出循环机制改进 Transformer 状态维持 — burkov · 2026-08-25
• DeepMind 论文：回传激活可修复长文本状态丢失 — rohanpaul_ai · 2026-08-25