يقدم الباحثون الترميز المتسلسل (requential coding)، وهي طريقة تتجاوز قيود الضغط القائم على المعلمات من خلال ترميز المسار التدريبي عبر نموذج معلم يختار عينات من توزيع الطالب. يسجل هذا النهج فقط البتات التي يختلف فيها المعلم والطالب، مما يؤدي إلى أطوال رموز مستقلة عن عدد المعلمات وإنتروبيا البيانات.
- غالباً ما تنتج الطريقة رموزاً أقصر بمقدار عدة مراتب عشرية من الترميز المسبق (prequential coding)، مع تزايد المزايا كلما زاد الحجم.
- تنضغط النماذج الأكبر والأحزمة إلى أحجام أصغر رغم امتلاكها لمعلمات أكثر عند تثبيت الخسارة.
- عند دمجها في حد PAC-Bayes، يوفر الترميز المتسلسل ضمانات تعميم حديثة للنماذج اللغوية الكبيرة (LLMs) ذات المليارات من المعلمات.
- تعزل التقنية المعلومات القابلة للتعلم عن المحتوى العشوائي، مما يكشف أن النصوص منخفضة الإنتروبيا تحتوي على بنية أكثر من بيانات الصور عالية الإنتروبيا.
يوفر هذا أسلوب الضغط حدود تعميم أضيق في النظام الأمثل للحوسبة ويتنبأ بالتعلم الزائد التدريجي أثناء التدريب متعدد العصور.