Mamba: Linear-Time Sequence Modeling with Selective State Spaces

• 类型：arxiv
• 标识：2312.00752
• 链接：https://arxiv.org/abs/2312.00752
• 主题：llm-infra
• 主分类：llm-infra
• 形态：method
• 被引：8699
• 被引来源：Semantic Scholar
• S2被引：8699
• OpenAlex被引：1034
• 影响力被引：1260
• TLDR：This work identifies that a key weakness of subquadratic-time models based on Transformer architecture is their inability to perform content-based reasoning, and integrates selective SSMs into a simplified end-to-end neural network architecture without attention or even MLP blocks (Mamba).
• OpenAlex ID：W4389326242
• OpenAlex DOI：10.48550/arxiv.2312.00752
• DOI：10.48550/arxiv.2312.00752
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2312.00752
• OpenAlex更新：2026-08-08
• 待LLM分类：否
• 成熟度：research
• 场景：序列建模、状态空间、高效架构
• 标题中文：Mamba：基于选择性状态空间的线性时间序列建模
• TLDR中文：本文指出基于 Transformer 的次二次时间模型的关键缺陷在于无法执行基于内容的推理，并将选择性 SSM 集成到不包含注意力乃至 MLP 块的简化端到端神经网络架构（Mamba）中。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]