帝国理工 ERC 项目 AToM 招 1 博士后 2 博士,研究自适应压缩记忆
PontiEdoardo · x · 2026-09-11
帝国理工学院 Edoardo Ponti 在 ERC 项目 AToM(Adaptive Tokenization and Memory)下招聘 1 名博士后和 2 名全额资助博士生,目标是让模型学会压缩其感知与记忆的内容,实现永久记忆、更长视野和 >10x 提速。
项目核心问题:主流架构中内部表示序列的长度受限于输入切分(tokenization)且跨层固定,既让注意力计算呈平方级瓶颈,也让 KV cache 读取占用带宽。团队已原型化一类端到端学习「压缩内部表示序列」的新架构,即自适应重定义模型的「原子单元」:
- 在不损失精度的情况下实现最高 8x 提速
- 固定预算下可处理更长输入、生成更长输出
- 支持亚线性增长的永久记忆(终身学习)、推理时超扩展(hyper-scaling)、更强的多模态世界建模
已与 NVIDIA 合作改造 Qwen 3、与 AI2 合作改造 OLMo 并开源。招聘细节:博士后截止 9 月 30 日,博士滚动录取,起始时间灵活,欢迎海外与本土学生,配 B200 算力与 H200,每年资助 2 次会议。
所属事件:帝国理工 ERC 项目 AToM 招博士后与博士(2 条相关)→
「研究」频道最新
- Artificial Analysis 发布智能指数 v5:四大类 12 项基准重构榜单 — xeophon · 2026-10-28
- neuron-finder:消费级显卡约 5 分钟精准定位指定神经元 — pbaylies · 2026-10-28
- OpenSIR 自博弈框架：LLM 无需训练数据自学数学推理 — PMinervini · 2026-10-28
- 网友玩坏可解释性:找到了让 Qwen「发疯」的神经元 — sebkrier · 2026-10-28
- 不开向量检索也能拿 86.67%,开源记忆层 Mind 挑战 embedding 必要性 — GabrielMartinMoran · 2026-10-28
- 提议：给每篇 arXiv 论文找最短复现 prompt,度量真实信息增量 — tak3sh8 · 2026-10-28