热点事件持续更新

研究团队提出面向SSM的动态算子条件化框架MaRK

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

2026年10月8日，研究团队在arXiv发布论文，提出名为MaRK（马尔可夫自适应循环核）的动态算子条件化框架。该框架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，以动态重塑记忆核。实验表明，在冻结的111M参数Hydra SSM主干上，MaRK仅需6.3至11M可训练辅助参数即可完成适配；各变体中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）。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月8日

12:00
arXiv 机器学习
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
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）。

本事件热度走势

当前热度 8·可比范围峰值 10（10月8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。