待验证50% 置信事实精确时间
循环架构的思想可追溯到 Universal Transformer 与 Deep Equilibrium Models，通过增加计算深度而不增加参数数量来提升推理能力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/18
首次发现
来源
涉及实体
相关事实
待验证典型深度递归推理模型的实现包括循环Transformer、通用Transformer以及神经图灵机等变体。80% 相似待验证循环Transformer引入了循环深度（Recurrent Depth）的概念，允许模型在相同的层级结构中多次迭代处理信息78% 相似待验证循环语言模型的架构灵感来源于Universal Transformer和DEQ（Deep Equilibrium Model）等早期工作77% 相似已验证大模型底层采用Transformer架构，其注意力机制要求每个token与上下文中所有其他token进行交互计算，带来近似二次方复杂度特性76% 相似待验证带循环的架构理论上能通过反复应用同一变换来表达迭代式算法，而固定深度的前馈网络难以自然表达这类计算73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1063746API
curl https://kongchang.com/api/v1/knowledge/claims/1063746MCP
get_claim(id=1063746)