阿里团队破解循环Transformer难题，两篇论文获顶会接收

史信息，并配置可学习权重的路由器实现每轮循环的信息差异化读写，有效解决了共享网络缺乏分工及信息过载问题，在减少约33%非嵌入参数的同时提升了零样本下游准确率。此外，团队发布SpiralFormer，创新性地让序列长度随循环推进从粗到细动态调整，使模型初期关注全局模式、后期聚焦局部细节，在保持参数量不变的情况下降低了计算量并提高了准确率。这两项成果分别被ICLR 2026和EMNLP 2026接收，为利用计算深度替代参数规模的高效大模型路线提供了实证支持。