CPLM 论文:学会复制 token,以 <3% 开销提升 CoT 与 RAG 表现
yoavartzi · x · 2026-10-17
新论文提出 Copy-Paste Language Models(CPLM):让模型更好地学习复制 token,以不到 3% 的额外开销提升下游准确率、思维链(CoT)表现、长上下文能力,以及 RAG 场景的内存效率。论文还指出 CPLM 能(部分)缓解 LM head 瓶颈。John Langford 转发评价「看起来相当不错」。论文链接见原帖。
所属事件:康奈尔 CPLM:轻量复制头提升模型复制能力(3 条相关)→
「研究」频道最新
- IBM 等研究：SAE 训练数据需求被高估，特征复现仍需大规模 — Aikyam-Lab · 2026-10-17
- FoundationVIO：用 IMU 因子图为 GFM 预测恢复真实米制尺度 — zhenjun_zhao · 2026-10-17
- RootSLAM：平方根光束法平差让视觉惯性 SLAM 提速最高 20 倍 — zhenjun_zhao · 2026-10-17
- Physical SLAM：弹簧-质点物理模型驱动 4D 高斯场预测形变未来 — zhenjun_zhao · 2026-10-17
- All-St3R SLAM：DUSt3R+All-Tracker 像素级去动态目标，实时 10 FPS — zhenjun_zhao · 2026-10-17
- NVIDIA 给 cuVSLAM 加线特征：低纹理仓库环境轨迹误差降 38.5% — zhenjun_zhao · 2026-10-17