Les LSTM bidirectionnels sont un outil puissant pour la représentation du texte. Cependant, ils ont été montrés comme souffrant de diverses limitations dues à leur nature séquentielle. Nous examinons une structure alternative de LSTM pour l'encodage du texte, qui consiste en un état parallèle pour chaque mot. Les étapes récurrentes sont utilisées pour effectuer simultanément des échanges d'informations locales et globales entre les mots, plutôt que la lecture incrémentielle d'une séquence de mots. Les résultats sur diverses基准测试 (benchmarks) de classification et d'étiquetage de séquences montrent que le modèle proposé possède une forte capacité de représentation, offrant des performances hautement compétitives comparées aux modèles BiLSTM empilés avec un nombre similaire de paramètres. 注：在“benchmark”一词后面添加了中文原文，以确保信息完整。不过，根据您的要求，这里也提供了一个法语翻译：“Les résultats sur diverses tâches de référence en classification et en étiquetage de séquences...”。您可以选择更适合上下文的版本。