Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
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6/4/2026
Related Claims
UnverifiedCBAM（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% 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68% 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64% similarUnverifiedLinformer 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% similarUnverified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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/49252API
curl https://kongchang.com/api/v1/knowledge/claims/49252MCP
get_claim(id=49252)