reViT：用共享专家为循环视觉模块保留深度差异
reViT 研究用循环执行的单个 Transformer 模块，通过共享专家组合表达不同深度的变换，并比较监督训练和蒸馏设置。摘要还讨论弹性深度训练与部署时展开的取舍，提醒读者参数存储减少不等于所有运行成本同时下降。
研究作者 · arXiv原始发布
为什么值得留
区分训练存储、推理计算与部署图结构三类成本。
可以从这里开始
读方法图时分别标出共享参数与每层实际计算。
阅读时留意
仅读预印本摘要，未核权重和结果，不将实验精度推广到其他任务。
OnBalls 导读整理于 2026.10.15。已读论文第一版摘要；未审全文、代码、数据、图表或复现实验。