热点事件历史事件
研究团队提出ParaTTT算法 实现测试时训练层并行化
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
2026年10月30日，研究人员在arXiv发布论文，提出名为ParaTTT（PTTT）的算法。该算法通过迭代优化内循环梯度轨迹，实现了任意深度非线性记忆测试时训练（TTT）层的并行化。实验数据显示，在4K上下文长度下经过两次迭代，ParaTTT的内循环轨迹评估速度比TTT-MLP快32倍，带动340M模型整体训练提速4.9倍。在340M和1.3B参数规模下，其模型表现匹配或超越了Gated DeltaNet及Mamba-2，且具有更优的召回能力。
AI 根据报道生成 · 3 天前更新
最新进展10月30日 12:00
研究人员提出ParaTTT算法，实现任意深度非线性记忆TTT层并行化，训练大幅提速。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv cs.LGParaTTT：实现深层记忆测试时训练（TTT）层的并行化
研究人员提出 ParaTTT（PTTT）算法，通过迭代优化内循环梯度轨迹，实现了任意深度非线性记忆测试时训练（TTT）层的并行化。在 4K context 下经过两次迭代，其内循环轨迹评估速度比 TTT-MLP 快 32x，340M 模型整体训练提速 4.9x。在 340M 和 1.3B 规模下，其模型表现匹配或超越 Gated DeltaNet 及 Mamba-2，且召回能力更优。
本事件热度走势
当前热度 3·可比范围峰值 7（10月31日 02:00）·近 24 小时可比范围变化 -49%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。