跳到正文
热点事件持续更新

研究者提出非线性时延序列建模框架

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

研究者 Youshan Zhang 与 Jialu Li 提出一种基于非线性时延系统的序列建模框架,通过可微语义滞后估计器,根据当前输入与历史输入的语义相似度动态计算软注意力权重,实现内容感知的时间召回。 该方法采用对角状态空间闭式累积和求解,达到每步 O(1) 复杂度且无需顺序循环,并引入模糊语义调制机制平衡即时处理与历史召回。研究者称,该框架在文本分类和生成任务上性能超越现有最优方法。

AI 根据报道生成 · 58 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月12日
  1. arXiv cs.CL
    基于非线性时延系统的序列建模新框架,实现内容感知的时间召回

    研究者提出一种基于非线性时延系统的序列建模框架,通过可微语义滞后估计器动态计算历史内容的软注意力权重,实现内容感知的时间召回。该方法采用对角状态空间闭式累积和求解,达到每步 O(1) 复杂度且无需顺序循环,并引入可解释的模糊语义调制机制平衡即时处理与历史召回。在文本分类和生成任务上,该框架性能超越现有最优方法。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。