前沿模型仍会翻车于精确复制
dair_ai · x · 2026-07-21
关键信息
前沿语言模型虽然能做复杂推理，但在一个看似简单的能力上仍会翻车：准确复制一大段文本。
为什么重要
论文指出，这不只是“抄文本”这么简单。代码、表格、结构化文档，以及很多 agent 工作流，都依赖模型稳定地保持原文格式与顺序。
方法
作者认为问题与 Transformer 的位置编码有关，于是提出把文本从 1D token 序列改成 2D 布局 来看，并设计 2D-RoPE：给每个 token 分配行号和列号，把复制任务变成更容易的检索问题。
结果
- 在合成复制实验中，使用 2D-RoPE 的浅层 Transformer 能在远长于训练长度的文本上实现完美复制。
- 传统位置编码明显落后。
- 在更大规模的 DCLM 预训练中，这种优势也能保持，模型规模最高到 1.4B 参数。
结论
作者认为，把文本视为 2D 结构可能有助于语言建模，2D 位置编码值得进一步探索。
「研究」频道最新
- AISI:80 美元算力微调即可绕过开放生物模型的数据过滤 — connoraxiotes · 2026-10-27
- RFD4-Proteina 跑在 RTX 3060 上:单次蛋白设计最低约 $0.001 — AllThingsApx · 2026-10-27
- 弗莱堡生成智能实验室通过 ELLIS 项目招收多名全奖博士，10月31日截止 — yuyinzhou_cs · 2026-10-27
- Nature Physics 论文：可重构折射率实现对多模波传播的任意控制 — MarioKrenn6240 · 2026-10-27
- Wakaru 开源 ontologize:用模型激活为数据集自动生成本体标签 — amplifiedamp · 2026-10-27
- EMNLP Oral 论文用跨层转码器揭示 LLM 多语言共享表征机制 — ZhijingJin · 2026-10-27