热点事件持续更新
研究提出基于离散小波变换的高效编码器WNet
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6日，arXiv自然语言处理领域发布研究，提出了一种名为WNet的Transformer编码器架构。该研究采用离散小波变换（DWT）替代传统自注意力机制，以实现高效的token混合。WNet设计了线性融合、学习门控与token自选尺度3种无注意力混合器，并提供了仅在末层引入自注意力的混合版本。在4,096 tokens长度的测试环境下，该架构的token门控混合器训练速度比传统自注意力机制快2.7倍。
AI 根据报道生成 · 4 小时前更新
最新进展10月6日 12:00
研究提出基于离散小波变换的WNet，长序列训练速度比自注意力快2.7倍。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 自然语言处理WNet：基于离散小波变换实现高效 Token 混合
研究提出 Transformer 编码器 WNet，采用离散小波变换（DWT）替代自注意力机制进行高效 token 混合。该模型设计了线性融合、学习门控与 token 自选尺度 3 种无注意力混合器，并提供仅在末层引入自注意力的混合版本。在 4,096 tokens 长度下，其 token 门控混合器的训练速度比自注意力机制快 2.7 倍。
本事件热度走势
当前热度 9·可比范围峰值 10（10月6日 13:00）·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。