热点事件持续更新
HART：混合Attention-RWKV时间序列基础模型
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
2026年10月12日，研究者在arXiv（Machine Learning Theory）发表论文，提出HART（混合Attention-RWKV时间序列基础模型）。该模型交替堆叠Attention与RWKV模块，旨在解决RWKV-7在非自回归多步预测（NAF）中出现的长程退化问题。这是目前该事件唯一一篇报道，尚未见后续实验结果、代码发布或第三方验证信息。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
研究者提出HART模型，交替堆叠Attention与RWKV模块以解决RWKV-7长程退化问题。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Machine Learning TheoryHART：混合 Attention-RWKV 时间序列基础模型
研究者提出 HART，一种交替堆叠 Attention 与 RWKV 模块的时间序列基础模型，以解决 RWKV-7 在非自回归多步预测（NAF）中的长程退化问题。
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。