arXiv quant-ph· Deniz Yunus G\"o\u{g}\"u\c{s}·· 22 天前AI 评分35
可训练量子原生语言模型：耗散记忆、容量限制与硬件验证
Trainable Quantum-Native Language Models: Dissipative Memory, Capacity Limits, and Hardware Validation
AI 导读
研究提出以小型量子寄存器为隐藏状态的字节级自回归量子原生语言模型，通过可学习耗散门控实现了超越单 token 的有效记忆。在上下文长度 12 下，门控模型测试负对数似然比单 token 对照提升 0.20 +/- 0.03 nats/byte，并在 IBM Heron 硬件上完成验证。该模型表现仍显著逊于经典 n-gram 基线且可被经典模拟，未声称具备量子优势。
来源：arXiv quant-ph · arxiv.org