算法草稿本与课程分级提升微型Transformer算术推理
原文标题：Algorithmic Scratchpads and Curriculum Staging for Arithmetic Reasoning in Tiny Transformers
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。
论文研究约1060万参数Tiny Transformer在多步算术任务中的机制，发现数据加载填充会造成83%梯度饥饿、语言预训练是必要前提，现代架构组件与稀疏MoE可提升加法推理。引入逐位长除法草稿本与四阶段课程后，单位数除法准确率从4.0%提升至86.7%。
- 问题
- 小型Transformer在多步算术（长除法、多位数乘法）上表现差，训练机制不清。
- 方法
- 定位梯度饥饿与预训练前提，引入逐位长除法草稿本与四阶段课程分级训练。
- 结果
- 单位数除法准确率从4.0%提升至86.7%；多位数乘法仍困难。
- 影响
- 揭示小模型算术推理的数据与课程关键，为低成本推理模型训练提供可复用配方。
深读 · 结论先行AI 生成展开看要点与影响 ↓
1060万参数Tiny Transformer靠逐位草稿本把单位数除法从4.0%提到86.7%。
- •模型约1060万非嵌入参数、总计4930万，训练于四则运算合成数据
- •数据加载填充造成83%梯度饥饿，准确率从40%崩到1%，需连续序列打包修复
- •无语言预训练时准确率不超过2.0%，预训练是必要前提
- •RoPE、RMSNorm、SwiGLU与稀疏MoE相对GPT-2基线显著提升加法推理
- •逐位长除法草稿本加四阶段课程，单位数除法从4.0%升至86.7%
为什么重要：它把多步算术能力拆解为数据管线、预训练与草稿本格式三个可控变量，对研究小模型算法推理与训练数据工程的人有可复现的具体结论。
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。