Transformer 条件无毛定理：提示影响随生成衰减
原文标题：A Conditional No-Hair Theorem for Transformers: How Language Models Forget Their Prompt
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文研究自回归 Transformer 在生成 t 个 token 后对提示的保留程度，发现两个不同提示的隐藏状态距离近似按幂律 t^-α 衰减，训练模型 α≈0.55–0.7 遗忘更快，未训练模型 α≈0.2–0.5。作者对有限深度 pre-LN softmax Transformer 证明该偏移上界为 O(P(log t)^{L-1}/t)，并提出「条件无毛定理」：给定已生成文本，提示对下一 token 的影响随 t 增长而消失。
- 问题
- 自回归 Transformer 生成越长，对提示的依赖还剩多少、如何量化。
- 方法
- 对比同续写下不同提示的隐藏状态距离，证明其按幂律衰减，并提出条件无毛定理。
- 结果
- 训练模型衰减指数 α≈0.55–0.7，未训练模型 α≈0.2–0.5；偏移上界为 O(P(log t)^{L-1}/t)。
- 影响
- 长上下文与提示工程的收益会随生成长度衰减，提示中需保留的信息应尽早写入生成文本。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。