待验证50% 置信事实精确时间
MoR-MLLM建立在Mixture-of-Recursions（MoR，递归混合）框架之上
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证MoR-MLLM引入自适应的per-token递归机制，对更具挑战性的token分配更多递归计算，对简单冗余的token跳过多余运算74% 相似待验证一篇发表于arXiv的论文提出了MoR-MLLM，通过按token自适应分配算力重构多模态模型的计算范式70% 相似待验证MoR-MLLM作为新发布的研究论文，其方法的泛化能力和在更大规模模型上的表现仍有待更多验证70% 相似待验证BERT的MLM是一步到位的预测且主要用于表征学习，而离散扩散模型将mask比例作为从0%到100%的连续变量构建完整马尔可夫链，通过多步迭代实现渐进式生成66% 相似待验证MLCommons推动的MLPerf是AI模型评估基准的一个例子66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/986854API
curl https://kongchang.com/api/v1/knowledge/claims/986854MCP
get_claim(id=986854)