TMLR 论文给选择性 SSM 的稳定性做出保证
burny_tech · x · 2026-07-28
TMLR 论文研究带离散门控的选择性 SSM 稳定性
一篇发表在 TMLR 2026 的论文分析了带有不连续门控的选择性状态空间模型（SSM）的正则性与稳定性。
- 作者关注的是类似 Mamba 这类 selective SSM：它们的门控是输入相关的，甚至可以按 token 变化。
- 这让系统难以分析，因为它既不像传统的线性时不变系统，也不属于平滑非线性系统。
- 论文声称给出了可验证的稳定性保证，并提出了一个实用的正则化项。
- 文章还提到，这些结果有助于更可靠地处理 机器人传感序列 和 异步事件相机流 等长时序任务。
「研究」频道最新
- NeurIPS 答辩季分数偏紧：10 篇里最高仅 3.75 — CSProfKGD · 2026-07-28
- 机器人基准只奖励 0.2% 提升，真实场景却从 92% 掉到 43% — kscottz · 2026-07-28
- 25 个智能体把同一价格目标复制到 8 位小数 — SafeImprovement7204 · 2026-07-28
- New in ML 宣布 NeurIPS 2026 巴黎 workshop 征稿 — niloofar_mire · 2026-07-28
- Kimi K3 报告称 2.8T MoE 提升主要靠更好的梯度流 — doodlestein · 2026-07-28
- 一个 Google Docs 小技巧，让 NeurIPS rebuttal 更容易导出 Markdown — JeanKossaifi · 2026-07-28