上一代的问题：RNN 固定内存容量小（回忆能力弱），Transformer 增长内存但 O(L²)。中间没有权衡。
这代改了什么：缓存 RNN 隐藏状态检查点，让有效内存随序列增长。四种变体：门控/稀疏/线性/深层。
效果：回忆任务接近 Transformer，优于所有现有 RNN。O(L)~O(L²) 连续谱权衡。
通过缓存 RNN 的隐藏状态检查点，让 RNN 的有效内存容量随序列长度增长，在 O(L)~O(L²) 之间灵活权衡。
Transformer 有增长内存但 O(L²) 复杂度，RNN 有 O(L) 复杂度但固定内存。如何在保持线性复杂度的同时实现 Transformer 级别的回忆能力？
回忆任务中接近 Transformer，优于现有所有 RNN 模型。