研究：Transformer能否学习有根树算术序列

2026年10月26日，一篇发表于arXiv人工智能分类的研究测试了Transformer对整数素因子分解生成的有根树序列的可学习性。研究团队使用GPT-2架构从零训练，学习由自然数迭代素因数分解生成的根树序列；在前10^11个元素上训练后，模型词准确率约为0.4，明显高于隐马尔可夫模型基线。模型在10^13–10^15的测试块上性能保持稳定，远超训练区间。此外，其似然还能将算术文本与保留边际词频但打乱顺序的合成序列区分开，且区分度随上下文增大。该报道为目前唯一一篇主报道，尚无跟进报道或矛盾信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。