并行时间训练RNN用于动态系统重建

提出结合DEER与广义teacher forcing（GTF）的并行时间训练方法，将非线性RNN在混沌动态系统时间序列上的训练速度提升超过100倍。DEER通过牛顿型固定点迭代实现O[(log T)²]扩展性，GTF解决了混沌动力学下DEER的发散问题，可在T>10^6的极长时间序列上稳定训练。在动态系统重建任务中显著优于Mamba等状态空间模型。