待验证50% 置信事实精确时间
SE（Squeeze-and-Excitation）和CBAM（Convolutional Block Attention Module）是计算机视觉领域常见的注意力模块
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
研究生用AI工具写毕业论文：非科班也能搞定深度学习实验
bilibili论文发刊罗小黑2026/6/4
相关事实
待验证CBAM（Convolutional Block Attention Module）在SE-Net的基础上进一步引入了空间注意力分支，同时关注通道重要性和空间位置重要性81% 相似待验证超大上下文窗口通常依赖稀疏注意力机制、RoPE位置编码外推和分层缓存技术实现68% 相似待验证上下文窗口扩展得益于ALiBi位置编码、RoPE的外推扩展、Flash Attention和Ring Attention等技术突破64% 相似待验证Linformer 将注意力矩阵低秩近似为 O(n) 复杂度，FlashAttention 通过重排计算顺序降低 GPU 内存带宽占用，Longformer 引入滑动窗口注意力63% 相似待验证新内核为滑动窗口注意力（SWA）层提供双输入支持，并引入 attention sinks 机制62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/49252API
curl https://kongchang.com/api/v1/knowledge/claims/49252MCP
get_claim(id=49252)