严骏驰团队在CNCC 2026分享JTok与xHC架构改进

2026年11月4日，雷峰网报道称，上海交通大学人工智能学院教授严骏驰在CNCC 2026演讲中分享团队两项Transformer架构改进研究：JTok与xHC。JTok通过为token引入可学习参数表扩展模型容量，实验显示其变体JTok-M可节省约35%训练算力；xHC采用稠密读取、稀疏写回的方式扩展残差流，实验显示可节省约33%训练算力。报道未提及两项技术的后续落地计划或第三方验证结果。

根据公开报道整理 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。