论文：DeltaNet 固定矩阵状态实现 99.95% 召回
原文标题：Constant-Memory Recall: Learned Associations in a Fixed Matrix State
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文研究一种带固定 token 特定键偏置的小型 DeltaNet 变体，在 32 KiB 循环矩阵状态下记忆每序列 32 个新键值对，三个训练种子平均准确率达 99.95%。当填充内容将查询前上下文扩展到 1798 个 token 时回忆仍近乎完美，而清零首个记忆块会消除该能力。参数匹配的向量与 Transformer 基线仍接近随机水平，导致无法进行内存效率比较。
- 问题
- 固定大小循环记忆能否可靠回忆序列中的键值对。
- 方法
- 研究带固定token特定键偏置的小型DeltaNet变体，用32 KiB循环矩阵状态记忆32个新键值对。
- 结果
- 三个训练种子平均准确率99.95%，上下文扩展到1798 token仍近乎完美；参数匹配基线接近随机。
- 影响
- 展示常数内存回忆的可行性，但基线失败使内存效率对比尚无法成立。
深读 · 结论先行AI 生成展开看要点与影响 ↓
小型DeltaNet变体以32 KiB循环状态记忆32对键值，三种子平均准确率99.95%。
- •带固定token特定键偏置，在32 KiB循环矩阵状态下记忆每序列32个新键值对
- •填充内容将查询前上下文扩展到1798个token时回忆仍近乎完美
- •清零首个记忆块会消除该回忆能力
- •参数匹配的向量与Transformer基线仍接近随机水平，Transformer额外训练搜索后亦然
- •48对探索性测试在四分之一训练预算后仍接近随机，未定位容量上限
为什么重要：为固定大小循环记忆的召回能力提供正面证据，但基线失败导致无法做内存效率对比，结论边界需谨慎解读。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。