Random Recursive Model

随机递归模型为AI推理任务提供参数效率

研究人员推出了一种新颖的神经网络架构——随机递归模型（RRM），该模型专为参数效率和增强的计算深度而设计。与具有固定层序列的传统递归模型不同，RRM为每个步骤和示例随机采样层，从而实现灵活的层重用。与现有模型相比，这种方法在推理任务上已显示出具有竞争力或更优越的性能，并且通常使用的参数要少得多。此外，RRM可以在不重新训练的情况下将其推理深度扩展到训练参数之外，这有利于需要迭代计算的任务。