循环变压器和专家混合（ MoE ）为高效扩展提供了互补路线：递归增加了固定参数下的计算深度，而MoE稀疏性扩展了固定主动计算下的总容量。然而，现有的缩放定律孤立地模拟了复发或稀疏。在这项工作中，我们引入了循环缩放定律，这是第一个联合建模递归和SPAR的缩放定律

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.40316v1)获取最准确的信息。

---
🔗 **原文链接**: [Scaling Laws for Looped Mixture of Experts](https://arxiv.org/abs/2609.40316v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Yanbei Chen, Anirudh Goyal, Raghuraman Krishnamoorthi

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-01 13:02