研究者提出CFN循环Transformer架构

研究者 Byung Gyu Chae 提出认知场网络（CFN），一种带隐藏场重入的循环 Transformer 架构：让完整的 token 级隐藏场重新进入下一计算周期，而不是依赖显式的记忆操作。据其描述，这一设计旨在实现生物启发的持久认知，突破片段式 AI 的限制。目前该工作以预印本形式发布，尚无经同行评审验证的效果结论。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。