Why Are Linear RNNs More Parallelizable?

Este artigo estabelece uma conexão teórica fundamental entre complexidade computacional e arquiteturas de redes neurais, demonstrando que as RNNs lineares são altamente paralelizáveis por pertencerem à classe NC1\mathsf{NC}^1 (semelhante aos Transformers), enquanto as RNNs não lineares enfrentam barreiras de paralelização ao resolverem problemas completos em L\mathsf{L} ou P\mathsf{P}.

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

Reachability in VASS Extended with Integer Counters

Este artigo investiga a complexidade do problema de alcançabilidade em VASS estendidos com contadores inteiros (VASS+Z), demonstrando que o problema é NP-completo para uma única variável não negativa, situando-se na classe Fd+2\mathcal{F}_{d+2} para d2d \geq 2, e provando que a adição de contadores inteiros reduz significativamente a dimensão necessária para atingir complexidades PSPACE e TOWER em comparação com os VASS clássicos.

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