arXiv 机器学习· Syed Ibrahim Omer, Ginny Y. Wong. Xiangyu Zhao·· 8 小时前AI 评分34
MaRK：面向状态空间模型动态算子条件化的马尔可夫自适应循环核框架
MaRK: Markov-adapted Recurrent Kernels for Dynamic Operator Conditioning in State Space Models
AI 导读
研究团队提出动态算子条件化框架 MaRK，将上下文向量直接映射为冻结状态空间模型（SSM）循环参数的有界调制，动态重塑记忆核。在冻结的 111M 参数 Hydra SSM 主干上，MaRK 仅需 6.3-11M 可训练辅助参数即可完成适配。实验显示 Chebyshev 变体表现最优，取得 2.55 的平均验证损失，优于 DCT（2.59）与 Hypernet（3.77）。
来源：arXiv 机器学习 · arxiv.org