Tento výsledek se mi opravdu líbí: elegantní rámování a řešení pro výrazné zlepšení zobecnění délky v rekurentních modelech obecně (RNN/SSM/lineární pozornost/atd.). To má významné důsledky pro problémy, na které by se výzkumníci architektury měli zaměřit, IMO
Ricardo Buitrago
Ricardo Buitrago8. 7. 2025
Despite theoretically handling long contexts, existing recurrent models still fall short: they may fail to generalize past the training length. We show a simple and general fix which enables length generalization in up to 256k sequences, with no need to change the architectures!
13,07K