**ECHO：超越辅助多 token 预测的高效因果自递归**

_ECHO: Efficient Causal Self-Recursion Beyond Auxiliary Multi-Token Prediction_

> 该研究提出了 ECHO 模型，通过让骨干网络自身最后一层预测所有时间步来消除辅助模块，并利用动态深度采样降低训练成本。相比传统方法，ECHO 将未来预测融入自回归目标，在预训练和推理阶段均能显著提升代码与推理任务的表现，且训练开销仅为传统多 token 预测的一半。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.24766)