Hot eventLive
序列模型长记忆的状态、上下文与稳定性复杂度研究
1 reports1 sources4 hr ago updated
Get the story
AI overview
2026年10月8日，arXiv Machine Learning Theory（一手来源）发表论文《长记忆的成本：序列模型中的状态、上下文与稳定性复杂度》。该论文在预测风险框架下研究序列模型的长程时间依赖问题，给出代数衰减预测记忆的匹配上下界：最优 r 模态预测误差按 e^{-Θ(√r)} 衰减；达到误差 τ 需要 r=Θ(log²(1/τ)) 个状态或模态。这是目前该事件唯一报道，尚未见后续验证或矛盾信息。
Generated from reports · updated 3 hr ago
LatestOct 8
新论文给出长程预测记忆的匹配上下界，误差按 e^{-Θ(√r)} 衰减。Timeline
Follow the coverage from different angles.
Oct 8, 2026
- arXiv · Machine Learning Theory长记忆的成本：序列模型中的状态、上下文与稳定性复杂度
论文在预测风险框架下研究序列模型的长程时间依赖问题，给出代数衰减预测记忆的匹配上下界：最优 r 模态预测误差按 e^{-Θ(√r)} 衰减，达到误差 τ 需要 r=Θ(log²(1/τ)) 个状态或模态。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.