Apple 提出加权状态汤提升 SSM 长上下文检索
热点事件观察中
Apple 提出加权状态汤提升 SSM 长上下文检索
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Apple 研究者提出“加权状态汤”（weighted state souping）方法：为缓存状态学习依赖查询的权重组合，以提升状态空间模型（SSM）在长上下文下的检索表现。 据该研究称，该方法在单跳与多跳文档问答、needle-in-a-haystack 检索、变量跟踪和工具使用任务上均有改善；其稀疏变体在上下文长度增长时，编码成本接近常数。论文已被 NeurIPS 2026 PALM Workshop 接收。
AI 根据报道生成 · 1 小时前更新
最新进展11月10日 08:00
Apple 提出加权状态汤（weighted state souping），提升 SSM 长上下文检索效率报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- Apple Machine Learning ResearchApple 提出加权状态汤（weighted state souping），提升 SSM 长上下文检索效率
Apple 研究者提出加权状态汤（weighted state souping），为缓存状态学习依赖查询的权重组合，显著提升 SSM 在长上下文下的表现。该方法在单跳与多跳文档问答、needle-in-a-haystack 检索、变量跟踪和工具使用上均有改善，其稀疏变体在上下文长度增长时编码成本接近常数。论文已被 NeurIPS 2026 PALM Workshop 接收。
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。