Vercel 安全验证页面要求用户完成一个检查点，以确认访问请求来自真实用户而非自动化程序。该页面显示了一个验证码挑战，位于 pdx1 服务器节点，并附带一串标识符 Z1yVb3DkPhx2VxIIg8gEgbebK4Bm8uOh。
正文
Vercel 安全检查点
|
pdx1::1788493522-Z1yVb3DkPhx2VxIIg8gEgbebK4Bm8uOh
评论
讨论气氛两极分化：一方认为循环Transformer只是普通工程优化，与安全无关；另一方则担忧它为不可解释的“隐藏思维”提供了温床，加剧了AI失控风险。分歧核心在于：循环是否真的创造了新的、更危险的不可知空间。
循环Transformer只是普通架构优化，与安全无关
- 循环Transformer本质是复用同一层权重多次计算，类似Nanbeige模型的做法，目的是在不增加参数量的情况下提升模型容量，但计算成本几乎翻倍。多数人认为这只是工程上的权衡，不值得大惊小怪。
- 有评论指出，循环Transformer的想法早在2018年的Universal Transformers论文中就已提出，并非新鲜事，只是节省计算的一种方式。
- 对于安全担忧，有观点认为循环迭代的残差流并不比现有Transformer的残差流更危险，它没有创造新的隐藏空间。 > 循环Transformer只是把n个不同的自注意力层替换成一个层执行m次，直到满足停止条件。我的直觉是，它只是让QKV权重的打包方式多了一个自由度，略微提高效率。（@kelseyfrog）
循环Transformer可能为不可解释的“隐藏思维”提供温床
- 部分评论者认为，循环迭代让模型在内部进行多轮“思考”，这些中间状态可能成为不可监控的隐藏推理空间，类似链式思维（CoT）但更隐蔽。这引发了AI安全社区的担忧。
- 有评论将OpenAI的态度比作《布鲁斯兄弟》电影中的经典场景：在挡风玻璃破碎的车上猛踩油门，问“能出什么错呢？”——暗示对安全问题的漠视。
- 少数人认为，循环深度在理论上可以无限扩展，未来可能出现数百万次循环，这会让模型内部状态彻底不可追踪。 > 你应该忽略LessWrong和OpenAI说的任何话，自己做研究。这是一场在“完全无能”和“完全无道德”之间的辩论。（@d_silin）
有价值的补充
- 有评论澄清了技术细节：经典RNN的隐藏状态维度是固定的，而Transformer的注意力机制理论上可以访问整个序列历史，因此“无界隐藏状态”的说法在技术上是错误的。
- 一项研究指出，链式思维（CoT）中的中间token并不代表模型的真实逻辑路径——即使把中间token替换成单字符链，模型精度依然提升。这暗示循环迭代可能同样不反映真实推理过程，只是统计上的捷径。
- 有评论提到，已有研究者对现有LLM进行算法搜索，发现复制某些层可以提升性能，这从侧面验证了循环结构的有效性。