严骏驰团队提出 JTok 与 xHC：在 Transformer 架构上寻找新的扩展维度

上海交通大学严骏驰团队在 CNCC 2026 报告中介绍两项 Transformer 架构改进：JTok 为每个 token 引入可学习参数表，通过查表与逐元素运算扩展容量，在 MoE 实验中达到同等损失所需训练算力约为底座的 65%，节省约 35%，但推理延迟增加约 7%。