待验证50% 置信事实精确时间

Mamba2保持线性时间复杂度和恒定状态大小，因此在长序列场景中具有理论优势。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

Mamba2-8B压缩研究：27MB缓存与3.14GB模型

redditr/deeplearning2026/10/16

涉及实体

相关事实

已验证Mamba 等基于状态空间模型（SSM）的架构以线性复杂度实现序列建模，更适合实时推理79% 相似已验证以 Mamba 为代表的状态空间模型通过维护固定大小的隐状态压缩历史信息，推理时的时间和空间复杂度均为 O(1)77% 相似待验证Mamba等线性复杂度模型是针对O(n²)瓶颈的新架构参照系75% 相似待验证Mamba推理时的内存占用保持恒定，不会随序列长度线性增长，在语言建模任务上缩小了与Transformer的差距74% 相似待验证Mamba在推理阶段可以以纯递归模式运行，内存占用恒定74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1048604

API

curl https://kongchang.com/api/v1/knowledge/claims/1048604

MCP

get_claim(id=1048604)