热点事件持续更新
二阶循环模型实现无限上下文窗口
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv Machine Learning Theory 发布论文，提出一种二阶循环模型，用由偏微分方程支配的空间演化场替代传统神经元间通信，使结构化时空模式充当隐式高容量记忆。论文称该模型等价于结构化无限阶 RNN，当前状态显式依赖全部历史状态，以固定参数量实现有效无界感受野，并通过构造性条件保证边缘稳定、消除梯度消失与爆炸。在 long-horizon benchmarks 上，该架构以更少参数优于其他循环模型。目前进展为论文已公开，尚未见后续独立验证或应用报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv 论文提出二阶循环模型，以固定参数量实现无界感受野并在基准上优于其他循环模型。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Machine Learning Theory通过空间神经计算在循环架构中学习无限上下文窗口
论文提出一种二阶循环模型，用由偏微分方程支配的空间演化场替代传统神经元间通信，使结构化时空模式充当隐式高容量记忆。该模型等价于结构化无限阶 RNN，当前状态显式依赖全部历史状态，以固定参数量实现有效无界感受野，并通过构造性条件保证边缘稳定、消除梯度消失与爆炸。在 long-horizon benchmarks 上，该架构以更少参数优于其他循环模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。