研究：循环语言模型深度复用靠训练与推理循环一致而非归一化
原文标题：Agreement rather than normalisation keeps depth reusable in looped language models
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。
一篇 arXiv 论文研究循环语言模型（如 Ouro 系列）为何能在超出训练预算的循环步数下保持可用。作者发现移除循环边界归一化后，Ouro-1.4B 与 Ouro-2.6B 在平衡二分类任务上准确率归零，但原因并非状态范数增长；从头训练的 19M 参数模型则显示不归一化反而更好。结论是训练循环与推理循环的一致性才是深度可复用的关键，且循环深度相对堆叠深度的优势在匹配超出量后明显减弱。
- 问题
- 循环语言模型为何能在超出训练预算的循环步数下保持可用。
- 方法
- 对比移除循环边界归一化的已发布权重与从头训练小模型，检验归一化与训练/推理循环一致性的作用。
- 结果
- 移除归一化后 Ouro-1.4B/2.6B 在二分类任务准确率归零；19M 模型不归一化反而外推更好。
- 影响
- 复用循环深度应保证训练与推理循环一致，而非依赖归一化技巧。
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。