Eine Schicht überspringen oder loopen? Learning Program-of-Layers in LLMs

arXiv:2606.06574v1 Ankündigungstyp: neu Abstract: Große Sprachmodelle (LLMs) führen Inferenz durch, indem sie eine feste Tiefe und Reihenfolge, nicht-rekurrente Ausführung aller Schichten folgen. Wir enthüllen die weit verbreitete Existenz von trainingsfreiem, flexiblem, dynamischem Program-of-Layers (PoLar), wobei vorgelernte Schichten gepackt werden können