Unverified50% confidenceFactExact time
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
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
Codex Skill自动整理即插即用模块：科研效率提升实战指南
bilibiliEnzo_Mi6/24/2026
Related Claims
UnverifiedSE（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81% similarUnverified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70% similarUnverified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69% similarUnverified注意力层作为信息路由器在不同序列位置间聚合上下文，其键值是从提示中其他token动态派生的短期记忆表示67% similarUnverified相对位置编码（如 RoPE、ALiBi）会对距离较远的 token 对施加注意力衰减偏置，序列边界位置拥有更多邻近token的注意力积累优势67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/40710API
curl https://kongchang.com/api/v1/knowledge/claims/40710MCP
get_claim(id=40710)