LDT架构在数独极端测试中实现极低算力高准确率
热点事件持续更新
LDT架构在数独极端测试中实现极低算力高准确率
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
Liam Davis等研究人员提出了晶格演绎Transformer（LDT），这是一种旨在近似逻辑演绎的循环Transformer架构。该模型在Sudoku-Extreme基准测试中表现出色，其800K参数版本解决了99.999%的测试谜题，具体解决了422,786个谜题中的绝大多数。 相较于先前的小型循环推理模型，LDT在训练计算量上实现了显著突破。报道指出，LDT的训练计算量不足先前同类模型估计值的2%。这意味着该架构在保持极高准确率的同时，极大地降低了推理与训练所需的算力资源，展示了其在逻辑任务上的高效能特征。
AI 根据报道生成 · 7 小时前更新
最新进展11月5日 13:00
Lattice Deduction Transformers报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · AILattice Deduction Transformers
Lattice Deduction Transformer (LDT) 提出了一种近似逻辑演绎的循环 Transformer 架构，其 $800\text{K}$ 参数版本在 Sudoku-Extreme 上解决了 $99.999\%$ 的测试谜题，且训练计算量不足先前模型估计值的 $2\%$。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 1011月5日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:0020:00
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。