Why Are Linear RNNs More Parallelizable?

Ce papier établit un lien fondamental entre la parallélisabilité des réseaux de neurones récurrents linéaires (LRNN) et les classes de complexité computationnelle, démontrant que leur structure permet une exécution efficace similaire aux transformateurs, contrairement aux RNN non linéaires qui, en raison de leur capacité à résoudre des problèmes P-complets, posent une barrière théorique à une telle parallélisation.

William Merrill, Hongjian Jiang, Yanhong Li + 2 more2026-03-06💻 cs

Reachability in VASS Extended with Integer Counters

Cet article établit la complexité du problème de l'accessibilité pour les VASS étendus à des compteurs entiers (VASS+Z) en démontrant qu'il est NP-complet pour une seule composante non négative, en PSPACE-difficile et TOWER-difficile pour deux et trois composantes respectivement, et en prouvant qu'il se situe dans la classe Fd+2\mathcal{F}_{d+2} pour d2d \geq 2, ce qui représente une amélioration significative par rapport aux bornes précédentes.

Clotilde Bizière, Wojciech Czerwiński, Roland Guttenberg + 5 more2026-03-06💻 cs