跳到正文
热点事件持续更新

Noel Loo等提出ParaTTT并行测试时训练算法

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Noel Loo等人提出ParaTTT（PTTT）算法，旨在并行化任意深度的非线性记忆层。该算法通过迭代细化内部梯度轨迹的估计，解决了测试时训练层难以并行化的问题，并证明了其几何收敛性。 在4K上下文下，PTTT的评估速度比TTT-MLP快32倍，完整模型训练速度快4.9倍。其性能匹配或超越Gated DeltaNet和Mamba-2。 该模型在语言建模困惑度和零样本准确率上，与同尺寸Transformer保持竞争力，且比线性递归模型具有更好的召回率。

AI 根据报道生成 · 3 小时前更新

最新进展10月30日 12:00
ParaTTT: 通过深层记忆并行化测试时训练层

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. arXiv · ML
    ParaTTT: 通过深层记忆并行化测试时训练层

    该算法通过迭代细化内部梯度轨迹，解决了测试时训练层难以并行化的问题，证明了其几何收敛性。 在4K上下文下，PTTT评估速度比TTT-MLP快32倍，完整模型训练速度快4.9倍，性能匹配或超越Gated DeltaNet和Mamba-2。 其模型在语言建模困惑度和零样本准确率上与同尺寸Transformer保持竞争力，且比线性递归具有更好的召回率。

本事件热度走势

可比范围当前
8
可比范围峰值
910月30日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。