根据@DeepLearningAI，研究者提出了能量基Transformer EBT，通过能量为候选下一个token打分，并用梯度步迭代降低能量以验证并选择该token，来源：DeepLearning.AI 于X平台，2025年9月27日。 根据@DeepLearningAI，在基于RedPajama-Data-v2的4400万参数试验中，EBT在4项基准中以相同参数规模击败了普通Transformer的3项，来源：DeepLearning.AI 于X平台，2025年9月27日。 根据@DeepLearningAI，帖子附有The Batch的论文摘要链接，但推文未披露算力成本、时延、代码开放或发布时间线，因此未提供成本或速度方面的信息，来源：DeepLearning.AI 于X平台，2025年9月27日。