Mamba2
PulseAugur coverage of Mamba2 — every cluster mentioning Mamba2 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
NVIDIA 发布 Nemotron-Labs-3-Puzzle-75B 以支持 Blackwell 硬件
NVIDIA 发布了其 Nemotron-Labs-3-Puzzle-75B 模型，该模型已针对 Blackwell 硬件上的服务进行了优化。该模型集成了 LatentMoE、Mamba-Interleaving 和 Multi-Token Prediction (MTP) 以提高吞吐量。它在 OpenMDW-1.1 许可下可用，允许商业使用。
-
Zyphra 发布 Zamba2-VL 混合视觉语言模型
Zyphra 推出了 Zamba2-VL，一个新推出的开源视觉语言模型家族。这些模型采用了结合 Mamba2 状态空间模型和 Transformer 的混合架构，与传统的 Transformer 模型相比，处理速度显著提高。Zamba2-VL 提供 1.2B、2.7B 和 7B 参数规模的版本，基准测试表明其在提高速度的同时也具有高准确性。
-
Zamba2-VL 模型提供更快的视觉-语言处理速度
研究人员推出了一系列新的视觉-语言模型 Zamba2-VL，该模型利用了结合 Mamba2 状态空间层和 Transformer 块的混合架构。这些模型在各种视觉和语言任务上表现出色，可与 Molmo2 和 Qwen3-VL 等成熟的基于 Transformer 的模型相媲美。Zamba2-VL 的一个关键优势是其显著更快的首个 token 生成时间，这使其特别适合设备端和边缘部署。
-
MambaBEV模型使用Mamba2改进3D目标检测
研究人员推出MambaBEV，一款利用Mamba2状态空间模型的新型自动驾驶3D目标检测模型。该方法增强了鸟瞰图（BEV）空间内的全局上下文建模，解决了先前基于卷积或注意力的方法的局限性。在nuScenes数据集上的评估显示，MambaBEV达到了51.7%的NDS和42.7%的mAP，证明了其在大目标检测方面的有效性以及在端到端自动驾驶系统中的潜力。
-
SurgicalMamba模型提高了手术阶段识别的准确性
研究人员开发了SurgicalMamba，这是一种用于在线手术阶段识别的新型模型。该模型利用受Mamba2启发的双路径状态空间对偶（SSD）架构，以高效处理冗长的手术视频。关键创新包括用于自适应状态更新的强度调制步进和用于跨通道混合的状态重塑，这些共同提高了准确性和速度。
-
SurgicalMamba模型推进在线手术阶段识别
研究人员开发了SurgicalMamba，这是一种用于在线手术阶段识别的新型模型。该模型通过采用双路径结构化状态空间对偶（SSD）方法，解决了手术视频分析中的挑战，例如手术时长长和时间流不均匀。SurgicalMamba在多个基准测试中达到了最先进的准确度，在严格的在线评估条件下优于先前的方法。
-
NVIDIA 发布 Nemotron 3 Nano Omni 多模态 AI 模型，用于智能体
NVIDIA 发布了 Nemotron 3 Nano Omni，这是一款能够同时处理视觉、音频、视频和文本的多模态大型语言模型。该开放模型基于 Mamba2 Transformer 混合专家模型架构构建，旨在通过实现单一多模态理解推理循环来增强企业智能体工作流程。它现已在 Fireworks 和 Amazon SageMaker JumpStart 上提供，提供 131K 的上下文长度，并获得商业使用许可。