MaRK：让冻结SSM动态条件化
热点事件持续更新
MaRK：让冻结SSM动态条件化
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
Syed Ibrahim Omer 等作者发布论文，提出 MaRK 动态算子条件化框架：它把上下文向量直接映射为冻结状态空间模型（SSM）循环（A）、读入（B）、读出（C）、跳跃（D）和离散化（Δ）参数的有界调制。 在冻结的 111M 参数 Hydra SSM 上，Hypernet、Chebyshev 多项式与 DCT 三种适配器只需 6.3–11M 可训练辅助参数，就能从双向目标过渡到迭代扩散机制；作者报告其中 Chebyshev 变体验证损失最低，为 2.55。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
MaRK：面向状态空间模型动态算子条件化的马尔可夫自适应循环核报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGMaRK：面向状态空间模型动态算子条件化的马尔可夫自适应循环核
MaRK 是一种动态算子条件化框架，可将上下文向量直接映射为冻结 SSM 的循环（A）、读入（B）、读出（C）、跳跃（D）和离散化（Δ）参数的有界调制。在冻结的 111M 参数 Hydra SSM 上，Hypernet、Chebyshev 多项式与 DCT 三种适配器仅需 6.3–11M 可训练辅助参数即可从双向目标过渡到迭代扩散机制，其中 Chebyshev 变体验证损失最低，为 2.55。
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。