热点事件持续更新
对比 RNN、Transformer、SSM 与 BDH 的工作记忆机制
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026 年 10 月 7 日，AGI Hunt 报道，有研究者从「工作记忆存在哪里」这一角度，重新对比 RNN、Transformer、SSM/Mamba 与 BDH 四种架构。报道称，RNN 把记忆压缩在递归隐藏状态中，参数量约为 O(N²)，而跨时间传递的状态仅 O(N)；Transformer 则把过去的表示存为 KV 缓存用于注意力计算，其权重在推理期保持冻结，由此形成「固定权重 + 快变 KV 缓存」的分裂结构。报道围绕这四种架构在记忆存放位置上的差异展开讨论。
AI 根据报道生成 · 53 分钟前更新
最新进展10月7日 00:27
新报道从「工作记忆存在哪里」重新对比 RNN、Transformer、SSM/Mamba 与 BDH 四种架构。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- AGI Hunt记忆到底存在哪：RNN、Transformer 与 SSM 的工作记忆对比
研究者从「工作记忆存在哪里」的角度重新对比 RNN、Transformer、SSM/Mamba 与 BDH 四种架构。RNN 把记忆压缩在递归隐藏状态，参数量约 O(N²) 而跨时间状态仅 O(N)；Transformer 把过去表示存为 KV 缓存做注意力，权重在推理期冻结，形成「固定权重 + 快变 KV 缓存」的分裂。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。