自Transformer模型出现后，研究者重新关注RNN模型。Yoshua Bengio团队提出minLSTM和minGRU，通过去除隐藏状态依赖，实现并行训练，提高速度和效率。实验显示，这些模型在多项任务中表现优异，尤其在长序列任务中表现突出，显示了RNN的潜力。
本研究比较了递归神经网络（RNNs）和变压器（Transformers）在解决算法问题时的表示能力，发现RNNs通过增强上下文检索能力的技术可以解决多项式时间可解问题，消除与Transformers之间的表示差距。
完成下面两步后，将自动完成登录并继续当前操作。
