English(EN) The Depth Flow of Token Representations Is Nonlinear and Does Not Descend Its Own Density

研究发现：大型语言模型中的Token表征流是非线性的

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员分析了神经网络中Token表征的流动，发现这种流动是非线性的，并且不遵循自身的密度。他们使用Pythia-160M和Pythia-410M上的离散Langevin模型，证明了二次漂移比线性映射更能准确地表示层转换。研究还揭示了流动的旋转分量很重要，它影响了诸如范数和浓度等Token属性在网络层之间的排名变化。 AI

影响提供了对大型语言模型内部机制的更深入理解，可能为未来的模型架构和可解释性工作提供信息。

排序理由学术论文，详细介绍了关于大型语言模型内部工作原理的新发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 22 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了关于大型语言模型内部工作原理的新发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Alexandre Quemy · 2026-09-01 04:00

Token表征的深度流是非线性的，并且不遵循其自身的密度下降

arXiv:2608.29706v1 Announce Type: new Abstract: A token's representation is carried through the network layer by layer. The whole vocabulary carried together forms a flow. We fit this flow's equation of motion as a discrete Langevin model over corpus-mean trajectories of Pythia-1…

本文如何被排名

报道来源 [1]

Token表征的深度流是非线性的，并且不遵循其自身的密度下降

相关实体

相关话题