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
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27