研究者提出Tucker瓶颈注意力TuBA
热点事件持续更新
研究者提出Tucker瓶颈注意力TuBA
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究者 Ryan Solgi 等人提出 Tucker 瓶颈注意力（TuBA），用低秩张量结构把隐藏张量投影到紧凑的 Tucker 核心上做多头自注意力，实现次二次方复杂度的全局 token 混合。 在视频预测和全球天气预报任务上，TuBA 相比标准自注意力最多降低 24.7% 和 37.1% 的误差，减少 66.6% 和 85.1% 的计算量，提速最高达 4.27 倍。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
TuBA：用 Tucker 瓶颈注意力实现多维序列建模报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.LGTuBA：用 Tucker 瓶颈注意力实现多维序列建模
研究者提出 Tucker 瓶颈注意力（TuBA），利用低秩张量结构将隐藏张量投影到紧凑的 Tucker 核心上做多头自注意力，实现次二次方复杂度的全局 token 混合。在视频预测和全球天气预报任务上，TuBA 相比标准自注意力最多降低 24.7% 和 37.1% 的误差，减少 66.6% 和 85.1% 的计算量，提速最高达 4.27 倍。
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。