Graph Memory Transformer (GMT)架构提出
热点事件持续更新
Graph Memory Transformer (GMT)架构提出
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月23日，Nicola Zanarini等研究者提出图记忆Transformer（GMT）架构。该架构核心是用显式学习记忆图替换decoder-only模型中的FFN子层，保留因果自注意力机制。 GMT v7版本包含82.2M可训练参数，无密集FFN层。每个Transformer块使用128个质心和128x128边矩阵，通过引力源路由返回门控位移而非检索值，实现了基于学习记忆图的高效表示路由。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
图记忆 Transformer (GMT) 研究报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv · NLP图记忆 Transformer (GMT) 研究
该研究提出图记忆 Transformer (GMT)，用显式学习记忆图替换 decoder-only 架构中的 FFN 子层，保留因果自注意力。 GMT v7 版本含 82.2M 可训练参数，无密集 FFN 层，每个 Transformer 块使用 128 个质心和 128x128 边矩阵，通过引力源路由返回门控位移而非检索值。
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。