一篇新论文指出了 Transformer 模型中一个特定的瓶颈，阻碍了它们执行计数任务的能力。研究人员发现，虽然 Pythia、Qwen3 和 Mistral 等模型在内部准确地存储计数信息，但它们难以将这些信息转化为正确的输出 token。对注意力权重进行有针对性的干预，显著提高了模型在自回归任务中生成正确计数的 ist, 表明输出路径存在几何错位。 AI
影响 识别出 Transformer 在计数任务中的特定读出瓶颈，可能指导未来的模型架构。
排序理由 该集群包含一篇学术论文，详细介绍了关于 Transformer 模型局限性的新发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.03258v1 Announce Type: new Abstract: Large language models often fail at simple counting tasks, even when the items to count are explicitly present in the prompt. We investigate whether this failure occurs because transformers do not represent counts internally, or bec…
Large language models often fail at simple counting tasks, even when the items to count are explicitly present in the prompt. We investigate whether this failure occurs because transformers do not represent counts internally, or because they cannot convert those representations i…