研究者提出 TuBA 注意力机制
热点事件持续更新
研究者提出 TuBA 注意力机制
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者 Ryan Solgi、Parsa Madinei 与 Zheng Zhang 发表论文，提出 Tucker 瓶颈注意力（TuBA）：利用低秩张量结构把隐藏张量投影到紧凑 Tucker 核心上做多头自注意力，使计算复杂度降为次二次。 论文称，在视频预测和全球天气预报任务上，TuBA 相比标准自注意力最多将误差降低 24.7% 和 37.1%，计算量分别减少 66.6% 和 85.1%，最高提速 4.27 倍；其自回归版本在核心内做双向交互、核心间做因果注意力。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
TuBA：面向多维序列建模的 Tucker 瓶颈注意力机制报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGTuBA：面向多维序列建模的 Tucker 瓶颈注意力机制
研究者提出 Tucker 瓶颈注意力（TuBA），利用低秩张量结构将隐藏张量投影到紧凑 Tucker 核心上做多头自注意力，实现次二次复杂度计算。在视频预测和全球天气预报任务上，TuBA 相比标准自注意力最多降低 24.7% 和 37.1% 的误差，计算量分别减少 66.6% 和 85.1%，最高提速 4.27 倍。其自回归版本在核心内做双向交互、核心间做因果注意力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。