热点事件持续更新
研究团队提出SparseGDN线性注意力加速框架
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11月2日，arXiv机器学习板块发布研究成果，研究人员提出了一种名为SparseGDN的硬件感知框架。该研究主要针对线性注意力机制中的门控Delta网络（GDN），旨在解决其在处理长上下文时的效率瓶颈。SparseGDN框架通过采用结构化块内近似以及动态循环事件选择技术，成功降低了GDN在长上下文场景下的prefill计算开销，并且在优化过程中仍能保持全token输出。
AI 根据报道生成 · 4 小时前更新
最新进展11月2日 13:00
研究团队提出SparseGDN框架，通过分块稀疏降低门控Delta网络的长上下文prefill开销。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SparseGDN：线性注意力中的分块稀疏
研究人员提出硬件感知框架 SparseGDN，通过结构化块内近似与动态循环事件选择，降低门控 Delta 网络（GDN）的长上下文 prefill 开销并保持全 token 输出。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2日 14:00）·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。