已验证65% 置信事实精确时间
Mamba由卡内基梅隆大学于2023年提出，基于状态空间模型（SSM），在长序列任务上将计算复杂度从Transformer的O(n²)降至接近线性
3
来源数
65%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
待验证Mamba架构由Gu和Dao于2023年提出，其选择性状态空间机制以线性复杂度处理长序列81% 相似待验证Mamba在2023年12月通过选择性机制和硬件感知的实现取得突破性进展71% 相似待验证DiT架构由Meta研究院于2023年正式提出，将Vision Transformer引入扩散模型去噪过程，计算复杂度随序列长度平方增长59% 相似待验证Llama系列由Meta AI于2023年以开源形式发布，采用Transformer Decoder架构，通过RoPE和GQA等优化降低推理显存占用58% 相似待验证Switch Transformer 由 William Fedus 等人于2021年提出，首次将 MoE 扩展到万亿参数规模56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/547557API
curl https://kongchang.com/api/v1/knowledge/claims/547557MCP
get_claim(id=547557)