热点事件持续更新
研究提出基于Grassmann流的无注意力模型架构
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月，相关研究提出了一种基于Grassmann流的无注意力深度学习模型架构。该架构通过低秩子空间变形机制，实现了序列长度计算的线性扩展，旨在探索替代传统注意力机制的路径。基准测试结果显示，在Wikitext-2基准上，参数规模在1300万至1800万的该模型，其验证困惑度能够保持在同等规模Transformer模型的10%至15%以内。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 17:04
研究提出基于Grassmann流的无注意力架构，实现序列长度的线性扩展计算。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- Buzzing HN · 中文精选论文提出基于 Grassmann 流的无注意力模型架构
研究人员提出一种基于 Grassmann 流的无注意力架构，通过低秩子空间变形实现序列长度的线性扩展计算。在 Wikitext-2 基准上，1300 万至 1800 万参数模型的验证困惑度在同规模 Transformer 的 10% 至 15% 以内。
本事件热度走势
当前热度 9·可比范围峰值 10（10月26日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。