Turing-completeness Context Management Theoretical Analysis LLM Architecture
摘要

许多研究声称 Transformer 具备图灵完备性,但常混淆固定系统与模型族两种设定。现有证明多基于后者,而真实部署对应前者。本文形式化了固定系统设定,指出基于模型族的结论无法确立真实 LLM 的图灵完备性。研究表明,不同的上下文管理方法会导致截然不同的计算能力,因此上下文管理是决定真实自回归 Transformer 计算能力的核心组件。

AI 推荐理由

论文核心论证上下文管理(即记忆机制)是决定真实世界 Transformer 计算能力的关键。

研究机构
Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China
论文信息
作者 Guanyu Cui, Zhewei Wei, Kun He
发布日期 2026-05-19
arXiv ID 2605.19514
相关性评分 9/10 (高度相关)