研究人员为选择性状态空间模型(SSM)开发了一个新的理论界限,专门解决了在扩展序列长度上小的输入变化如何影响模型的隐藏状态。这个以对数尺度衡量的界限表明,误差不会随着序列长度线性累积,为Mamba等模型在处理超出其训练序列长度的流式数据时提供了更强的鲁棒性保证。理论发现得到了在订单簿数据上训练的小模型的评估支持,显示了新界限与现有分析相比的有效性。 AI
影响 为状态空间模型在长序列应用中的稳定性提供了理论保证。
排序理由 阐述模型稳定性理论进展的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Litmaps
- Mamba
- ScienceCast
- Scite
- Selective State Space Models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →