待验证50% 置信事实精确时间

GTR-Depth 整个网络中完全不使用 softmax 注意力

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

GTR-Depth：单摄像头实现2.7ms毫秒级米制深度估计

涉及实体

GTR-Depthmodel softmax注意力concept

相关事实

待验证GTR-Depth 使用与前作相同的主干网络，包含12个门控线性注意力块（gated linear attention blocks）71% 相似待验证DeepSeek-V3.2-Exp首次引入自研的DeepSeek Sparse Attention（DSA）稀疏注意力技术63% 相似待验证GTR-Depth 是 GTR 系列模型的延续之作，专注于深度估计任务58% 相似待验证DeepSeek-V4 优化中，解码阶段跳过不必要的 topk/router 带来 3.4% 的端到端 TTFT 改善，工作空间复用带来 3.9% 的 TTFT 提升57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/971170

API

curl https://kongchang.com/api/v1/knowledge/claims/971170

MCP

get_claim(id=971170)