阿里两篇论文拆解循环 Transformer 冗余

GPT-6 Astra 发布后，循环 Transformer(recurrent depth)一下成了热门话题：让同一组层反复运行，用计算深度换参数规模。

但学界早有踩坑经验——同等算力下，省参数的循环模型经常打不过普通 Transformer,卡点在于「计算冗余」:循环圈数增加了，后续几轮对 hidden state 带来的增量却越来越小。

💡 为什么值得看循环 Transformer 过热，阿里早发两篇论文解冗余。