English(EN) Nystr\"om Attention Matches Full Attention for Cross-Sectional Stock Prediction

Nyström attention 在股票预测中媲美全注意力机制

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了一种名为 Nyström attention 的新方法，该方法在横截面股票预测任务中可媲美全注意力机制的性能。这种新方法分解了股票间的多头注意力模块，该模块占模型参数和预测价值的很大一部分。研究发现，虽然学习到的注意力几乎是均匀的，但强制精确均匀会消除预测能力，这表明低秩近似是关键。Nyström attention 使用有限数量的地标，以降低的计算成本实现了与全注意力机制的认证等价性。 AI

影响这项研究通过降低计算成本，有望为更高效、更有效的金融预测人工智能模型带来突破。

排序理由该条目是一篇学术论文，详细介绍了机器学习中注意力机制的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇学术论文，详细介绍了机器学习中注意力机制的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Kunhan Guo · 2026-09-10 04:00

Nystr\"om Attention 在横截面股票预测中媲美全注意力机制

arXiv:2609.08106v1 Announce Type: new Abstract: MASTER's inter-stock multi-head attention -- the module responsible for modeling cross-sectional stock relationships -- accounts for 42.5% of model parameters and 25% of predictive value. We systematically decompose this module and …

本文如何被排名

报道来源 [1]

Nystr\"om Attention 在横截面股票预测中媲美全注意力机制

相关实体

相关话题