研究者提出用于张量分解的TensorSSM方法
Start here
2026年11月2日，相关研究者在arXiv发布论文，提出了一种名为TensorSSM的函数式张量分解隐式神经表示（INR）方法。该方法通过在动态状态空间模型（SSM）中记忆空间位置来生成张量核；具体实现上，它基于K-ary规则由粗到细编码空间token，并扩展SSM状态空间以显式映射跨模态空间依赖。实验表明，TensorSSM无需严格的空间假设，即可在多样化的张量数据集上兼顾高重建精度与存储效率。
AI-generated from reports · Updated 3 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习TensorSSM：在动态状态空间中记忆空间位置以生成张量核
TensorSSM 是一种用于函数式张量分解的隐式神经表示（INR）方法，通过在动态状态空间模型（SSM）中记忆空间位置来生成张量核。该方法基于 K-ary 规则由粗到细编码空间 token，并扩展 SSM 状态空间以显式映射跨模态空间依赖。实验表明，TensorSSM 无需严格空间假设，即可在多样化张量数据集上实现高重建精度与存储效率。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.