已收录文章摘要，完整内容可前往原文阅读。
DeepMind 最新工作证明，优化大模型未必需要继续堆参数。改变 Transformer 内部状态传播方式，同样可以释放新的性能空间。模型训练结束，Transformer 的架构就彻底定型了吗？De