arXiv · cs.AI· Zongyue Qin, Haoran Deng, Jason Cong, Yizhou Sun·· 8 小时前
LLoPS：用可学习低秩多项式草图改进线性注意力
Learnable Low-Rank Polynomial Sketch for Effective Linear Attention
arXiv:2610.14219v1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：Zongyue Qin, Haoran Deng, Jason Cong, Yizhou Sun
研究任务与主要进展
作者提出可学习低秩多项式草图框架LLoPS，用于近似线性注意力中的高阶多项式核；作者报告，该方法的近似误差严格小于既有方法。基于论文摘要，LLoPS在广泛基准中取得了相对多种线性注意力基线的最高性能，但具体基准、数值结果和实现成本未在材料中说明。
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