USC 提出 WhiteMatter 架构，缓存减半且性能超越基线
burkov · x · 2026-08-21
USC 研究团队提出了名为 WhiteMatter 的新型 Transformer 架构。该架构通过动态混合所有层深度的隐藏状态到紧凑的键值通道中，能够在将缓存内存消耗减半的同时，超越比其多 50% 层数的标准基线模型。
「研究」频道最新
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- Google 发布 CLASHarness:基准测试多智能体冲突下的计算机操作能力 — google · 2026-10-16
- 清华团队证明:普通 Flow Matching 采样无法突破固定深度模型表达力上限 — SQZ · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16