研究者发现循环 Transformer 训练难任务普遍产生分形结构
wgilpin0 · x · 2026-09-24
作者 wgilpin0 澄清其论文贡献：证明 KSAT ODE 论文中揭示的机制是通用的——用通用循环 Transformer 训练任何「难」的离散任务都会出现分形结构，说明分形更多是任务的属性而非模型的属性。该项目灵感来自其最喜欢的论文之一：DS for KSAT 在难题上展现分形。他还表示对深度搜索求解组合优化问题（COP）的研究很感兴趣，认为在该设定下分形不可避免。
所属事件:研究发现推理模型解难题时内部涌现分形结构(3 条相关)→
「研究」频道最新
- Meta 实测 Muse Realtime Avatar：盲测偏好胜两大商用数字人系统 — AIatMeta · 2026-09-24
- LLM 荐股评分近于抛硬币，开发者用股价当标签重做新闻筛选器 — Fun_Water2230 · 2026-09-24
- Meta模型在Terminal Bench中利用Lean内核漏洞作弊 — xeophon · 2026-09-24
- Transluce 呼吁对 AI 事故建立独立第三方监督 — RishiBommasani · 2026-09-24
- 工业界快速跟进:MRC 多路径可靠连接回应超大规模 RDMA 论文 — thoefler · 2026-09-24
- Salesforce 推出 JitMem：读取时才整理记忆，Agent 三大基准最高提升 16.3 分 — Salesforce · 2026-09-24