arXiv · cs.AI· Adam Piaseczny, Md Kamran Chowdhury Shisher, Shiqiang Wang, Christopher G. Brinton·· 1 天前
选择性状态空间模型分布式学习的架构感知收敛分析
Distributed Learning with Selective State Space Models: Architecture-Aware Convergence Analysis
arXiv:2610.02659v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Adam Piaseczny, Md Kamran Chowdhury Shisher, Shiqiang Wang, Christopher G. Brinton
研究任务与主要进展
研究者针对选择性状态空间模型（如Mamba2）在分布式学习中的收敛行为，推导单层和多层模型的架构感知梯度、光滑性及FedAvg与FedProx收敛界。摘要称，研究还在教师SSM生成的序列上数值验证了单层界，并在六个文本领域比较九种联邦学习算法，用于检验局部训练和客户端异构性对Mamba2语言建模的影响。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org