热点事件持续更新
研究团队提出TensorSSM用于张量核心生成与压缩
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年11月2日，arXiv发布了关于TensorSSM的研究成果。该研究提出了一种基于动态状态空间模型（SSM）的隐式神经表征方法，旨在通过在状态空间中记忆空间位置来生成 Tensor Core 并达成数据压缩。在技术机制上，TensorSSM利用 K 进制规则将模态坐标编码为由粗到细的空间 token 序列，并进一步扩展状态空间以显式映射跨模态依赖。多项实验结果表明，该方法显著提升了高维张量的重建精度与存储效率。
AI 根据报道生成 · 16 小时前更新
最新进展11月2日 13:00
研究团队提出基于动态状态空间模型的TensorSSM，显著提升高维张量重建精度与存储效率。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.LGTensorSSM：在动态状态空间中记忆空间位置以生成 Tensor Core
TensorSSM 提出基于动态状态空间模型（SSM）的隐式神经表征方法，通过在状态空间中记忆空间位置来生成 Tensor Core 并实现数据压缩。该方法利用 K 进制规则将模态坐标编码为由粗到细的空间 token 序列，并扩展状态空间以显式映射跨模态依赖。多项实验表明，TensorSSM 显著提升了高维张量的重建精度与存储效率。
本事件热度走势
当前热度 6·可比范围峰值 10（11月2日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。