论文提出基于Grassmann流的无注意力架构
热点事件持续更新
论文提出基于Grassmann流的无注意力架构
2 篇报道2 个报道来源6 小时前更新
先了解这件事
AI 综述
一篇论文提出基于 Grassmann 流的无注意力架构，作者称其在语言建模和自然语言推理（NLI）任务上达到与 Transformer 相当的性能，并具备更好的可解释性和线性复杂度扩展。 据论文描述，该架构的核心是 Causal Grassmann 层：先将 token 状态线性降维，再用 Plucker 坐标把局部 token 对编码为 Grassmann 流形上的二维子空间，最后通过门控混合融合回隐藏状态，以此替代显式自注意力。上述性能与可解释性说法均出自论文作者。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 07:52
无需注意力：基于 Grassmann 流的无注意力架构在语言建模与 NLI 任务上媲美 Transformer报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- RadarAI无需注意力：基于 Grassmann 流的无注意力架构在语言建模与 NLI 任务上媲美 Transformer
一篇论文提出基于 Grassmann 流的无注意力架构，在语言建模和 NLI 任务上达到与 Transformer 相当的性能。该架构具备更好的可解释性，并实现线性复杂度扩展。
- Hacker News无需注意力：基于 Grassmann 流的无注意力架构探索
研究者提出 Causal Grassmann 层，用 Grassmann 流替代显式自注意力：先将 token 状态线性降维，再用 Plucker 坐标把局部 token 对编码为 Grassmann 流形上的二维子空间，最后通过门控混合融合回隐藏状态。
本事件热度走势
- 可比范围当前
- 17
- 可比范围峰值
- 1810月26日 12:00
- 近 24 小时变化
- –
05101520
12:0013:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。