热点事件持续更新
Grassmann流免注意力架构研究
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月26日，Hacker News 首页报道了一项基于 Grassmann flows 的免注意力架构探索。研究团队以 Causal Grassmann 层取代显式自注意力，通过低秩子空间的多尺度局部变形传递信息。仅含1300万至1800万参数的模型在 Wikitext-2 上达到同规模 Transformer 验证困惑度的约10%至15%，在 SNLI 上的最佳验证准确率为0.8550、测试准确率为0.8538。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 07:52
研究团队以Grassmann流替代显式自注意力，并报告小模型性能结果。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- Hacker News · 首页Attention Is Not What You Need：基于 Grassmann 流的免注意力架构探索
研究团队提出基于 Grassmann flows 的免注意力架构，用 Causal Grassmann 层替代显式自注意力，并通过低秩子空间的多尺度局部变形传递信息。仅含 13 至 18 million 参数的模型在 Wikitext-2 上达到同规模 Transformer 验证困惑度的约 10% 至 15% 范围内，SNLI 最佳验证与测试准确率分别为 0.8550 和 0.8538。
本事件热度走势
当前热度 9·可比范围峰值 9（10月26日 11:00）·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。