SST V2发布：非线性循环隐空间推理

Thea Aviss 提交的论文发布 State Stream Transformer (SST) V2，用每层 FFN 驱动的非线性循环，在连续潜在空间沿全序列横向流式传递状态，并支持推理时按位置做连续潜在推演，两遍并行训练近似顺序循环。 该版本以少量 GSM8K 样例共训练进一个已有的 27B 基座，并用 oracle 为每个问题分配每 token 一到四次循环前向的深度来评估。据论文称，SST 在分布外 GPQA-Diamond 上达到 61.11% 的架构容量上限，比微调匹配的基线高 15.15 个百分点，并将该基线在 GSM8K 上的剩余错误减少 46%。上述为论文报告的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。