AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:线性复杂度×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月20日
12:21
12:21pandaily@contact@pandaily.com (Pandaily)
精选72°
清华大学与阿里巴巴联合发表论文,提出ViT³(Vision Test-Time Training)架构,这是一种纯Transformer模型,在视觉任务中实现了线性计算复杂度。该架构使得在边缘设备上进行高分辨率图像理解成为可能,解决了传统Transformer在视觉应用中计算量过大的问题。该论文已被CVPR 2026接收为Oral论文,标志着视觉Transformer在效率上取得重要突破。
论文视觉Transformer线性复杂度边缘计算高分辨率图像清华/阿里

推荐理由:视觉Transformer终于突破了计算瓶颈,做边缘计算或高分辨率图像处理的开发者可以直接关注,这可能是部署到手机等设备的关键技术。
原文
5月13日
19:12
19:12arXiv cs.LG@Alan Z. Song, Yinjie Chen, Mu Nan, Rui Zhang, Jiahang Cao, Weijian Mai, Muquan Yu, Hossein Adeli, Deva Ramanan, Michael J. Tarr, Andrew F. Luo
精选
VECA(Visual Elastic Core Attention)提出了一种新的视觉Transformer架构,用核心-外围结构替代传统的全对全自注意力。通过一组可学习的核心token作为通信接口,图像patch只与核心交互,计算复杂度从O(N²)降为O(N)。该模型在分类和密集预测任务上性能与最新视觉基础模型相当,同时大幅降低计算成本。VECA还支持在推理时弹性调整计算量与精度,为高分辨率视觉任务提供了可扩展的替代方案。
论文视觉Transformer高效注意力核心-外围结构线性复杂度VECA

推荐理由:ViT在高分辨率场景下计算量爆炸的问题终于有了优雅解法——VECA用线性复杂度实现竞争性能,做视觉模型部署或高分辨率图像处理的团队值得关注。
原文
精选全部日报登录