Transformer架构新扩展思路
热点事件持续更新
Transformer架构新扩展思路
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年11月4日，上海交通大学人工智能学院教授严骏驰在CNCC 2026演讲中介绍了两项Transformer架构的新扩展研究。JTok通过为token引入可学习参数表来调制模型更新，xHC则扩展残差流，采用稠密读取、稀疏写回方式提高模型容量。两项研究均关注新增容量能否以较低额外计算代价带来持续训练收益。实验显示，JTok可节省约35%训练算力，xHC可节省约33%训练算力。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 15:48
严骏驰团队提出Transformer架构新扩展思路：JTok与xHC报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- 雷锋网严骏驰团队提出Transformer架构新扩展思路：JTok与xHC
上海交通大学人工智能学院教授严骏驰在CNCC 2026演讲中介绍两项研究：JTok通过为token引入可学习参数表调制模型更新，xHC扩展残差流以稠密读取、稀疏写回方式提高模型容量。两项工作均关注新增容量能否以较低额外计算代价带来持续训练收益，实验显示JTok可节省约35%训练算力，xHC可节省约33%训练算力。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 811月4日 23:00
- 近 24 小时变化
- –
02.557.510
23:0011月5日01:00
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。