MixFormer：新型线性Transformer增强长序列建模能力

研究人员推出MixFormer，这是一种新颖的线性Transformer，旨在提高超长序列建模的效率。该模型通过引入混合记忆专家（MoE）机制和时间感知线性注意力（TALA）技术，解决了现有状态空间模型（SSMs）的局限性。MixFormer利用多个协作的记忆专家来维护差异化的记忆状态，并使用可学习的衰减函数和位置偏差动态更新记忆，从而改进了文本和图像生成等任务的远程依赖建模。 AI

影响 引入了一种更高效的长序列建模架构，有望改进Web基础设施和生成任务。

排序理由 该集群包含一篇详细介绍新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• MixFormer
• ScienceCast
• State Space Models
• Time-Aware Linear Attention
• transformers

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →