English(EN) ChronoSSM: Training for Temporally Aware Representations in Autoregressive State Space Models

ChronoSSM 模型联合学习事件和时间戳

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-12 04:00

研究人员开发了 ChronoSSM，这是一种新颖的自回归状态空间模型，旨在联合学习事件和时间戳表示。这种方法与将时间视为次要问题或使用单独模型进行时间分析的传统方法形成对比。ChronoSSM 的联合训练机制在不影响内容生成质量的情况下，持续提高了模型表示中到达间隔信息的恢复能力。 AI

影响这项研究可能导致更复杂的 AI 模型能够理解和推理时间数据，从而改进异常检测和时间顺序重建等领域的应用。

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]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Adrien Schoen, Nachiketa Ratnakar Patil, Arjun Bhagoji, Francesco Bronzino · 2026-08-12 04:00

ChronoSSM：自回归状态空间模型中面向时间感知的表示的训练

arXiv:2608.10120v1 Announce Type: new Abstract: Modern sequence models, from Transformers to State Space Models, have enabled powerful generative modeling across diverse domains, yet they are typically trained to predict what happens while treating when it happens as a secondary …