State Space Model
PulseAugur coverage of State Space Model — every cluster mentioning State Space Model across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
FuseMamba-VD 推出用于视频暴力检测的高效双分支架构
研究人员推出 FuseMamba-VD，这是一种用于高效视频暴力检测的新型双分支架构。该模型结合了状态空间模型 (SSM) 主干和门控机制，以融合空间和时间特征，从而提高在具有挑战性的监控场景中的准确性。所提出的方法还通过合并几个现有数据集来引入新的基准，展示了最先进的性能以及准确性和计算效率之间的良好平衡。
-
MambaLIE：状态空间模型高效增强低光图像
研究人员开发了MambaLIE，一种利用状态空间模型（SSM）的低光图像增强新方法。该方法旨在克服现有卷积神经网络（CNN）和Transformer在长距离依赖性或计算成本方面的局限性。MambaLIE引入场景光照强度来指导增强过程，并提出了一种局部增强状态空间模型（LESSM），该模型结合了用于长距离建模的SSM和用于效率的局部增强分支。实验表明，MambaLIE在准确性、速度和模型大小方面均优于现有方法，适用于资源有限的设备。
-
ICML 2026 聚焦人工智能理论、科学和具身智能
国际机器学习大会 (ICML) 2026 的投稿量接近翻倍，但仍保持严格的 26.56% 的录用率，这表明学术评审标准正在进行重大调整。研究日益关注理解大型模型的内部机制，通过严谨的理论基础推动人工智能在科学发现中的应用，并通过视觉-语言-动作整合和仿真到现实迁移探索具身人工智能。强调数学严谨性、鲁棒性、安全性和理论进展的投稿比纯粹以工程为中心或基于提示工程的工作更受青睐。
-
SUMO框架统一了视觉对象跟踪和运动分割
研究人员推出SUMO，一个旨在统一视觉对象跟踪（VOT）和运动对象分割（MOS）的新框架。该系统无需训练、零样本，将非线性动力学与基于视觉的分割相结合，以处理复杂的非线性对象运动，而这些运动常常挑战现有方法。SUMO利用受机器人学启发的非线性状态空间模型（SSM）和选择性无迹滤波器（SUF）进行精确状态估计，在VOT和MOS任务上均展示了最先进的性能。
-
新研究探索使用扩散模型进行先进的视频生成和处理
研究人员正在探索使用扩散模型来改进视频生成和处理的先进技术。一种方法是将状态空间模型（SSM）与视频扩散模型集成，以提高效率并处理更长的序列，在内存使用和性能方面优于基于注意力的方法。其他研究则侧重于通过使用扩散 Transformer 和自适应来提高视频重新照明中的时间一致性，并通过利用预训练的视频扩散模型从视频中重建 4D 手部运动。此外，还在开发用于高效视频恢复和鲁棒点跟踪的方法，方法是调整扩散模型的特征和训练策略。
-
新的SSM适配器在长上下文微调方面优于LoRA
研究人员开发了一种名为Hankel降阶模型（HRM）适配器的新型参数高效微调（PEFT）方法，该方法利用状态空间模型（SSM）进行长上下文微调。与专注于注意力机制的传统PEFT方法不同，HRM适配器被设计用于注入MLP块，并利用SSM的时间不变性进行高效计算。在使用Mistral-7B进行LongBench等长上下文任务的评估中，HRM适配器表现优于LoRA变体，在准确性和ROUGE-1分数上均取得了显著提升。
-
新研究探索超越自回归AI的扩散模型和状态空间模型
两篇新的arXiv论文探讨了超越传统自回归语言模型的先进建模技术。第一篇论文 survey 了用于代码智能的扩散模型、代码世界模型和状态空间模型，并提出这些模型可以克服规划和依赖处理方面的局限性。第二篇论文介绍了一种扩散驱动的状态空间模型（DDSSM），它用扩散模型替换高斯转移，通过更好地捕捉潜在系统动力学来改进时间序列拟合和预测。
-
Infrawise 工具可防止 AI 编写的代码导致昂贵的云错误
Infrawise 开发了一款工具，用于分析代码和基础设施，以防止由 AI 生成的昂贵错误，例如低效的数据库扫描。该系统首先扫描代码存储库以识别数据库客户端调用，然后内省 AWS API 以收集确定性的基础设施元数据。通过构建一个将代码操作与实际基础设施连接起来的图，Infrawise 可以在 DynamoDB 全表扫描部署之前识别出潜在问题。
-
StateSMix 压缩器使用 Mamba SSM 和 N-gram 进行在线无损压缩
研究人员开发了 StateSMix，这是一种新颖的无损压缩算法，它利用 Mamba 风格的状态空间模型 (SSM) 结合稀疏 N-gram 上下文混合。该系统对正在压缩的数据进行逐个 token 的训练，无需预训练权重或 GPU。StateSMix 在 enwik8 基准测试上实现了具有竞争力的压缩率，比 xz (LZMA2) 高出 8.7%。该实现完全用 C 语言编写，可在标准硬件上处理大约每秒 2,000 个 token。
-
ViM-Q 赋能FPGA上高效的Vision Mamba模型推理
研究人员开发了ViM-Q，一种专为加速FPGA上Vision Mamba (ViM) 模型推理而设计的新型算法-硬件协同设计。该方法解决了量化动态激活离群值和为FPGA架构适配SSM计算的挑战。ViM-Q集成了定制的4位权重量化和一个包含线性引擎和流水线SSM引擎的硬件加速器，能够为多样化的ViM模型进行运行时配置。在AMD ZCU102 FPGA上的测试表明，与GPU基线相比，在低批量推理方面实现了显著的速度提升和能效增益。
-
NAKUL-Med 模型通过动态核和谱上下文增强医学信号分析
研究人员开发了 NAKUL-Med，这是一种新颖的谱图状态空间模型，旨在增强多通道医学信号的分析。该模型通过结合动态核生成以实现自适应时间尺度选择、谱上下文建模以捕获周期性模式以及图引导的空间注意力以实现跨通道交互，从而解决了现有状态空间模型的局限性。NAKUL-Med 在 BCI Competition IV-2a 运动想象等基准测试中表现出色，以更少的参数和更快的推理速度实现了高精度，并显示出跨各种医学数据类型的通用性。
-
SSMProbe 框架揭示了 token 顺序在视觉表示中的重要性
研究人员开发了 SSMProbe，这是一个用于分析 AI 模型中视觉表示的新框架。该方法利用状态空间模型 (SSM) 来解释 token 顺序的关键作用，挑战了将 patch 表示视为非结构化数据的传统方法。SSMProbe 证明了 token 的顺序对性能有显著影响，尤其是在使用学习到的软排列来利用表示中这种依赖于顺序的异质性时。
-
Caracal架构使用傅里叶变换实现高效长序列建模
研究人员推出了Caracal，这是一种旨在提高大型语言模型处理长序列可扩展性的新架构。Caracal用参数高效的多头傅里叶模块取代了计算成本高昂的注意力机制，该模块利用了快速傅里叶变换。这种方法通过解决二次成本和位置编码的限制，为长序列建模提供了一条更有效的途径，同时通过标准库运算符保持了可移植性。
-
L2RU为机器学习和控制引入稳定的状态空间模型
研究人员推出了一种新型结构化状态空间模型（SSM）——L2RU，旨在确保输入-输出稳定性和鲁棒性。该架构融合了深度学习的表达能力和动力系统的可解释性，使其适用于系统辨识和最优控制等任务。L2RU通过整合规定的L2增益界限来实现这一点，从而允许通过标准基于梯度的优化方法进行无约束优化，同时保持严格的稳定性保证。
-
新的 Mamba 模型变体增强了记忆保持和双线性计算能力
研究人员将双线性输入调制 (BIM) 引入到选择性状态空间模型 (SSM)，特别是 Mamba 中，通过整合状态-输入乘积来增强其性能。这种增强能够改善记忆保持和双线性计算，解决了 Mamba 对角状态转换的局限性。所提出的方法，包括耦合双线性输入调制 (seq-BIM) 和并行双线性输入调制 (p-BIM)，在需要记忆和双线性处理的任务上展示了显著的性能提升，优于简单的门控机制。
-
Mamba 模型提供 Transformer 级别的性能，同时具有更快的推理速度和更长的上下文
Mamba 是一种新的状态空间模型 (SSM)，为人工智能领域占主导地位的 Transformer 架构提供了一种替代方案。它旨在匹配 Transformer 的性能和扩展定律，同时高效处理极长的序列，可能长达一百万个 token。这是通过消除 Transformer 注意力机制中的二次方瓶颈来实现的，从而实现更快的推理速度和与序列长度的线性扩展。Mamba 在语言、音频和基因组学等各种模态中都取得了最先进的结果，其性能优于同等甚至更…