热点事件持续更新
研究者提出用于张量分解的TensorSSM方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
研究者提出TensorSSM，通过动态SSM记忆空间位置生成张量核以提升压缩与重建效果。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。