Transformer 状态与预测分离
burny_tech · x · 2026-07-14
提出 State-Prediction Separation Hypothesis：Transformer 目前把“预测下一个 token”和“保存后续所需状态”这两件事塞进同一个 hidden state，可能让表示空间承担了互相竞争的任务，造成训练效率损失。
论文把两类职责拆成两条流：一条负责输入 token 的持久状态，一条负责 next-token prediction。作者报告：
- 在 53M 到 1.7B 参数规模上，这种做法都能带来更低的 loss
- 下游任务上有 2～3 个点的提升
- 在 1.6B 参数时，只用 18B tokens 训练就能达到标准 Transformer 用 47B tokens 训练的效果
所属事件:新论文提出 SPS Transformer：将状态与预测拆分为双流(5 条相关)→
「研究」频道最新
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11