热点事件持续更新
VECA 提出核心-边缘注意力降低视觉 Transformer 复杂度
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026 年 10 月 3 日，arXiv 机器学习分类发布一篇研究报道，提出 VECA（Visual Elastic-Core Attention），一种核心-边缘结构的视觉 Transformer 注意力机制。报道称，该设计让 patch token 仅通过少量学习核心交换全局信息，从而将注意力复杂度从 O(N²) 降至 O(N)。报道以“Vision Transformer 是否需要全对全注意力？”为引，讨论用弹性学习核心实现全局通信的可行性。目前该事件仅有这一篇报道，尚无后续进展或独立验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月3日 12:00
VECA 被提出，以核心-边缘注意力将复杂度从 O(N²) 降至 O(N)。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）Vision Transformer 是否需要全对全注意力？VECA 用弹性学习核心实现全局通信
研究者提出 VECA（Visual Elastic-Core Attention），一种核心-边缘结构注意力的视觉 Transformer，patch token 仅通过少量学习核心交换全局信息，将注意力复杂度从 O(N²) 降至 O(N)。
本事件热度走势
当前热度 7·可比范围峰值 7（10月4日 01:00）·近 24 小时可比范围变化 –
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。