English(EN) MaRK: Markov-adapted Recurrent Kernels for Dynamic Operator Conditioning in State Space Models

新的MaRK框架动态条件化状态空间模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-08 04:00

研究人员推出了一种新颖的框架MaRK（Markov-adapted Recurrent Kernels），用于在迭代生成任务中动态条件化状态空间模型（SSMs）。与先前调节输入或激活的方法不同，MaRK直接修改SSM的核心参数，包括循环、读入、读出和离散化。这种方法允许每个扩散时间步重塑模型的记忆核，提供了一种更集成的条件化形式。该框架使用三种适配器几何结构（Hypernet、Chebyshev多项式和离散余弦变换核）在1.11亿参数的Hydra SSM骨干网上进行了测试，其中Chebyshev变体取得了最佳性能。 AI

影响引入了一种条件化状态空间模型的新方法，有可能提高其在序列建模任务中的效率和适应性。

排序理由该集群包含一篇详细介绍条件化状态空间模型新方法的学术论文。[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: 7 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍条件化状态空间模型新方法的学术论文。[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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Syed Ibrahim Omer, Ginny Y. Wong. Xiangyu Zhao · 2026-10-08 04:00

MaRK：用于状态空间模型中动态算子条件化的马尔可夫自适应循环核

arXiv:2610.09092v1 Announce Type: new Abstract: State Space Models (SSMs) offer an efficient alternative to Transformers for sequence modeling, yet conditioning pre-trained SSMs for iterative generation typically operates outside the recurrent operator, through input injection or…

本文如何被排名

报道来源 [1]

MaRK：用于状态空间模型中动态算子条件化的马尔可夫自适应循环核

相关实体

相关话题