跳到正文
热点事件持续更新

提出基于线性注意力的Transformer到Mamba蒸馏方法

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

arXiv新发表论文提出一种两阶段方法，旨在解决将Transformer知识直接蒸馏至无Attention的Mamba架构时性能下降的问题。 该方法首先利用核技巧将Transformer蒸馏为线性化Attention，再将其蒸馏至Mamba模型。在1B规模、10B tokens的实验中，蒸馏后Mamba模型困惑度为14.01，接近教师模型Pythia-1B的13.86，并在多项下游任务中保留了大部分性能。 论文v2版本修正了v1中影响SSM衰减门的实现错误，并基于更新后的结果在Mamba-2上重新运行了所有实验。

AI 根据报道生成 · 7 小时前更新

最新进展11月5日 13:00
基于线性注意力初始化的 Transformer 到 Mamba 跨架构蒸馏配方

报道时间线

沿着报道，了解事件的不同侧面。

11月5日
  1. arXiv · NLP
    基于线性注意力初始化的 Transformer 到 Mamba 跨架构蒸馏配方

    论文提出一种两阶段方法，将 Transformer 知识蒸馏至无 Attention 的 Mamba 架构，解决原有直接蒸馏性能下降的问题。 先利用核技巧将 Transformer 蒸馏为线性化 Attention，再将其蒸馏至 Mamba。在 1B 规模实验中，蒸馏后 Mamba 模型困惑度为 14.01，接近教师模型 Pythia-1B 的 13.86，并在多项下游任务中保留了大部分性能。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月5日 14:00
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。