Stora språkmodeller blir smartare genom att köra längre och svårare, men standard-AI-motorer strular på grund av den extra beräkningskraft som krävs. Forskare har löst detta flaskhalsproblem med ett nytt hybrida system som kombinerar två kraftfulla tekniker för att göra djup resonemang tillgängligt. Medan traditionella metoder antingen slösar bort resurser genom oändliga loopar eller kämpar för att hantera komplexa uppgifter, håller denna kombinerade metod minnesanvändningen plan medan den lägger till nödvändig djup. Resultatet är en AI-modell som skalar effektivt utan att offra hastighet eller noggrannhet på långa dokument och komplexa problem. Genombrottet bevisar att blandning av effektiv arkitektur med rekursiv beräkning är nyckeln till att bygga nästa generation av skalbar intelligens. Källa: Universal YOCO för effektiv djupskalning av Yutao Sun, Li Dong, Tianzhu Ye, Shaohan Huang, Jianyong Wang m.fl., https://arxiv.org/abs/2604.01220