一种新算法能够并行训练和评估RNN等非线性序列模型，提供超过10倍的速度提升。研究者引入了一种通用框架，将非线性微分方程重新表述为二次收敛的定点迭代问题，类似牛顿求根法。这一算法能够极大地减小定点迭代的数量，特别是在初始起点接近收敛解时，为序列模型的训练提供了吸引力。最重要的是，这个算法不需要序列模型具备特定结构，用户无需改变模型架构即可受益于并行化。通过DEER框架，用户可以设计并行算法，用于评估RNN和ODE，同时不会明显影响结果。