Looped Transformer 近 600 次训练研究：全量 BPTT 优于截断反向传播

港大 MMLab 与 Yale 团队通过近 600 次训练证明，在联合优化前后向循环次数时，Looped Transformer 的 scaling law 仍偏好全量 BPTT。算力匹配对比中，更少循环的全量 BPTT 一致胜过同算力截断设置；固定模型大小时，最优循环数与训练 token 预算随算力增长。