待验证50% 置信事实精确时间
与 Transformer 的全局注意力机制不同，Mamba 的计算复杂度对序列长度是线性的
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
待验证SSM在长序列处理上具有线性时间复杂度优势，而标准Transformer的注意力计算复杂度为序列长度的平方79% 相似已验证Transformer架构的自注意力机制在处理长序列时面临二次方复杂度的计算开销，上下文长度翻倍则计算量增长四倍71% 相似待验证HSTU采用线性复杂度的注意力变体，使其处理长度超过数千的行为序列时计算量不会出现平方级增长71% 相似待验证近年来Mamba、RWKV等状态空间模型和线性RNN兴起，试图规避Transformer在长上下文下的二次方复杂度瓶颈70% 相似待验证标准Transformer在处理需要精确计数、栈操作或复杂状态依赖的任务时表现不稳定，与其注意力机制的软寻址特性有关70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/975717API
curl https://kongchang.com/api/v1/knowledge/claims/975717MCP
get_claim(id=975717)