1
On the Expressive Power of Transformers
理论剖析Transformer表达能力的边界，揭示大模型底层机制，值得算法研究者细读。
arXiv:2608.12671v1 Announce Type: new Abstract: Multi-layer transformers form the critical component of essentially all large language models (LLMs) i…
2
作家埃格斯受邀给 OpenAI 员工演讲，批评 ChatGPT 正夺走一代人的表达能力
知名作家埃格斯当面批评OpenAI员工：ChatGPT正在剥夺一代人的表达与创作能力。
IT之家 7 月 19 日消息，去年，OpenAI 首席执行官萨姆 · 奥尔特曼（Sam Altman）曾邀请美国作家戴夫 · 埃格斯（Dave Eggers）为约 200 名 OpenAI 员工发表演讲。 据IT之家了解，埃格斯著有大量小说、电影剧本和新闻作品，创办了文学杂志 McSweeney'…
3
Approximation Theory for Neural Networks: Old and New
从经典到前沿，这篇综述系统梳理了神经网络逼近理论的关键成果与最新进展，是理论研究者不可错过的深度参考。
arXiv:2605.21451v1 Announce Type: new Abstract: Universal approximation theorems provide a mathematical explanation for the expressive power of neural…
4
Transformers are Inherently Succinct
固定精度Transformer在描述语言时的简洁性，指数级优于线性时序逻辑和循环神经网络，理论证明其强大表达能力。
arXiv:2510.19315v3 Announce Type: replace-cross Abstract: We study succinctness as a measure of the expressive power of transformers. Succinctness -- …