模型架构

状态空间模型

State Space Model (SSM)

用固定大小的隐状态递推处理序列,复杂度随长度线性增长。

又称 SSM Mamba 状态空间

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

代表工作是 Mamba:不像注意力那样两两比较,而是维护一个随时间演化的隐状态,每读一个 token 就更新一次。序列越长,相对注意力的优势越明显。

短板是精确召回:让模型从长文里逐字找回某个细节,注意力仍然更稳。所以现在常见的是混合架构——大部分层用 SSM,少数层保留注意力。

02 什么时候会碰到它
读模型卡、选型或看论文结构时

厂商说「用了 GQA」「换成 MoE」「支持百万上下文」时,指的都是这一层的设计。不必会推导公式,但要知道改动影响的是显存、速度还是表达能力。

03 和这几个词怎么区分
04 接着读这几篇

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活