跳到正文
热点事件持续更新

线性化2-单纯形注意力机制提出

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

研究团队提出了一种新的线性化2-单纯形注意力机制,将计算复杂度从立方级降至二次方,并能在固定大小的状态中精确求和所有历史键。 该机制通过正向随机特征近似和自定义Triton内核实现,并与Kimi Delta Attention结合,构建了一个完全不含softmax注意力的模型。 在15B参数规模下使用FineWeb-Edu训练,该模型将验证损失从2.35降至2.32,LAMBADA困惑度从40降至38。

AI 根据报道生成 · 11 小时前更新

最新进展11月19日 13:00
线性化2-单纯形注意力

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · AI
    线性化2-单纯形注意力

    一种新的线性化2-单纯形注意力机制将计算复杂度从立方级降至序列长度的二次方,并在固定大小的状态中精确求和所有历史键。该机制通过正向随机特征近似和自定义Triton内核实现,并与Kimi Delta Attention结合构建了一个完全不含softmax注意力的模型。在15B参数规模下使用FineWeb-Edu训练,该模型将验证损失从2.35降至2.32,LAMBADA困惑度从40降至38。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 15:00
近 24 小时变化
–

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。