Radar ·
LoopCD: contrastive decoding sem treinamento para Looped Transformers
Radar: o artigo apresenta o LoopCD, um método de contrastive decoding sem treinamento adicional para Transformers recorrentes, que usa representações de loops anteriores como previsões mais fracas para selecionar tokens.
Segundo o artigo registrado no Radar em 2 de outubro de 2026, o LoopCD é um método de contrastive decoding sem treinamento para Looped Transformers. Ele usa representações de loops anteriores, que fornecem previsões mais fracas alinhadas, para orientar a seleção de tokens durante a geração.
Para engenheiros que trabalham com inferência de Transformers recorrentes, o ponto central é avaliar um método de decoding que aproveita estados intermediários sem treinamento adicional. A fonte não traz resultados numéricos, benchmarks nem detalhes de implementação. Para verificar desempenho e aplicabilidade, consulte o artigo original pelo título e pela data indicados neste registro e confira os experimentos e as condições de avaliação.
Fonte original: LoopCD usa loops anteriores para contrastive decoding