热点事件持续更新

LS-AR双通道自回归架构论文发布

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Anubha Gupta 与 Eduardo Pignatelli 发表论文提出 LS-AR（Latent-Steered Autoregressive）双通道架构，通过 FiLM 条件化将连续目标引导与离散 token 解码解耦，以解决单通道架构的局限。论文称，在超出上下文窗口的长程检索任务（H=1024、W=500）中，LS-AR（Static）实现 100% 目标召回，基线为 0%，吞吐量提升约 35%，峰值 VRAM 降低 52.8%。这些数据来自论文自述，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

最新进展10月5日 12:00

LS-AR：自回归 LLM 中的未来预测式潜在引导

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv：cs.LG
LS-AR：自回归 LLM 中的未来预测式潜在引导
LS-AR 是一种双通道架构，通过 FiLM 条件化将连续目标引导与离散 token 解码解耦。在超出上下文窗口的长程检索任务（H=1024、W=500）中，LS-AR（Static）实现 100% 目标召回，基线为 0%，吞吐量提升约 35%，峰值 VRAM 降低 52.8%。

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。