CAB: Comprehensive Attention Benchmarking on Long Sequence Modeling
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhang, Jun, Jiang, Shuyang, Feng, Jiangtao, Zheng, Lin, Kong, Lingpeng |
|---|---|
| Format: | Preprint |
| Publié: |
2022
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Proxy Compression for Language Modeling
par: Zheng, Lin, et autres
Publié: (2026)
par: Zheng, Lin, et autres
Publié: (2026)
A Reparameterized Discrete Diffusion Model for Text Generation
par: Zheng, Lin, et autres
Publié: (2023)
par: Zheng, Lin, et autres
Publié: (2023)
Scaling Reasoning without Attention
par: Zhao, Xueliang, et autres
Publié: (2025)
par: Zhao, Xueliang, et autres
Publié: (2025)
Long-range Modeling and Processing of Multimodal Event Sequences
par: Li, Jichu, et autres
Publié: (2026)
par: Li, Jichu, et autres
Publié: (2026)
Self-Infilling Code Generation
par: Zheng, Lin, et autres
Publié: (2023)
par: Zheng, Lin, et autres
Publié: (2023)
BioMaze: Benchmarking and Enhancing Large Language Models for Biological Pathway Reasoning
par: Zhao, Haiteng, et autres
Publié: (2025)
par: Zhao, Haiteng, et autres
Publié: (2025)
Beyond Autoregression: Discrete Diffusion for Complex Reasoning and Planning
par: Ye, Jiacheng, et autres
Publié: (2024)
par: Ye, Jiacheng, et autres
Publié: (2024)
PromptCoT: Synthesizing Olympiad-level Problems for Mathematical Reasoning in Large Language Models
par: Zhao, Xueliang, et autres
Publié: (2025)
par: Zhao, Xueliang, et autres
Publié: (2025)
Continuous-Time Attention: PDE-Guided Mechanisms for Long-Sequence Transformers
par: Zhang, Yukun, et autres
Publié: (2025)
par: Zhang, Yukun, et autres
Publié: (2025)
Short-Long Convolutions Help Hardware-Efficient Linear Attention to Focus on Long Sequences
par: Liu, Zicheng, et autres
Publié: (2024)
par: Liu, Zicheng, et autres
Publié: (2024)
LongVQ: Long Sequence Modeling with Vector Quantization on Structured Memory
par: Liu, Zicheng, et autres
Publié: (2024)
par: Liu, Zicheng, et autres
Publié: (2024)
Long-Sequence Recommendation Models Need Decoupled Embeddings
par: Feng, Ningya, et autres
Publié: (2024)
par: Feng, Ningya, et autres
Publié: (2024)
DynaAct: Large Language Model Reasoning with Dynamic Action Spaces
par: Zhao, Xueliang, et autres
Publié: (2025)
par: Zhao, Xueliang, et autres
Publié: (2025)
PromptCoT 2.0: Scaling Prompt Synthesis for Large Language Model Reasoning
par: Zhao, Xueliang, et autres
Publié: (2025)
par: Zhao, Xueliang, et autres
Publié: (2025)
DLM-Scope: Mechanistic Interpretability of Diffusion Language Models via Sparse Autoencoders
par: Wang, Xu, et autres
Publié: (2026)
par: Wang, Xu, et autres
Publié: (2026)
QLAM: A Quantum Long-Attention Memory Approach to Long-Sequence Token Modeling
par: Nguyen, Hoang-Quan, et autres
Publié: (2026)
par: Nguyen, Hoang-Quan, et autres
Publié: (2026)
Sequence-to-Sequence Models with Attention Mechanistically Map to the Architecture of Human Memory Search
par: Salvatore, Nikolaus, et autres
Publié: (2025)
par: Salvatore, Nikolaus, et autres
Publié: (2025)
Modeling Long Sequences in Bladder Cancer Recurrence: A Comparative Evaluation of LSTM,Transformer,and Mamba
par: Zhang, Runquan, et autres
Publié: (2024)
par: Zhang, Runquan, et autres
Publié: (2024)
A Comprehensive Survey of Dynamic Graph Neural Networks: Models, Frameworks, Benchmarks, Experiments and Challenges
par: Feng, ZhengZhao, et autres
Publié: (2024)
par: Feng, ZhengZhao, et autres
Publié: (2024)
BurstAttention: An Efficient Distributed Attention Framework for Extremely Long Sequences
par: Sun, Ao, et autres
Publié: (2024)
par: Sun, Ao, et autres
Publié: (2024)
PRoLoRA: Partial Rotation Empowers More Parameter-Efficient LoRA
par: Wang, Sheng, et autres
Publié: (2024)
par: Wang, Sheng, et autres
Publié: (2024)
PRISM: Parallel Residual Iterative Sequence Model
par: Jiang, Jie, et autres
Publié: (2026)
par: Jiang, Jie, et autres
Publié: (2026)
SMR: State Memory Replay for Long Sequence Modeling
par: Qi, Biqing, et autres
Publié: (2024)
par: Qi, Biqing, et autres
Publié: (2024)
Local Attention Mechanism: Boosting the Transformer Architecture for Long-Sequence Time Series Forecasting
par: Aguilera-Martos, Ignacio, et autres
Publié: (2024)
par: Aguilera-Martos, Ignacio, et autres
Publié: (2024)
Large Language Models Can Verbatim Reproduce Long Malicious Sequences
par: Lin, Sharon, et autres
Publié: (2025)
par: Lin, Sharon, et autres
Publié: (2025)
KernelBenchX: A Comprehensive Benchmark for Evaluating LLM-Generated GPU Kernels
par: Wang, Han, et autres
Publié: (2026)
par: Wang, Han, et autres
Publié: (2026)
DHG-Bench: A Comprehensive Benchmark for Deep Hypergraph Learning
par: Li, Fan, et autres
Publié: (2025)
par: Li, Fan, et autres
Publié: (2025)
Distribution-Aligned Sequence Distillation for Superior Long-CoT Reasoning
par: Yan, Shaotian, et autres
Publié: (2026)
par: Yan, Shaotian, et autres
Publié: (2026)
SubgoalXL: Subgoal-based Expert Learning for Theorem Proving
par: Zhao, Xueliang, et autres
Publié: (2024)
par: Zhao, Xueliang, et autres
Publié: (2024)
Counterfactual Explanations for Continuous Action Reinforcement Learning
par: Dong, Shuyang, et autres
Publié: (2025)
par: Dong, Shuyang, et autres
Publié: (2025)
RotRNN: Modelling Long Sequences with Rotations
par: Biegun, Kai, et autres
Publié: (2024)
par: Biegun, Kai, et autres
Publié: (2024)
BackSlash: Rate Constrained Optimized Training of Large Language Models
par: Wu, Jun, et autres
Publié: (2025)
par: Wu, Jun, et autres
Publié: (2025)
QSpec: Speculative Decoding with Complementary Quantization Schemes
par: Zhao, Juntao, et autres
Publié: (2024)
par: Zhao, Juntao, et autres
Publié: (2024)
From Time Series to State: Situation-Aware Modeling for Air Traffic Flow Prediction
par: Liu, Anqi, et autres
Publié: (2026)
par: Liu, Anqi, et autres
Publié: (2026)
Star Attention: Efficient LLM Inference over Long Sequences
par: Acharya, Shantanu, et autres
Publié: (2024)
par: Acharya, Shantanu, et autres
Publié: (2024)
A Comprehensive Survey on Long Context Language Modeling
par: Liu, Jiaheng, et autres
Publié: (2025)
par: Liu, Jiaheng, et autres
Publié: (2025)
Diffusion of Thoughts: Chain-of-Thought Reasoning in Diffusion Language Models
par: Ye, Jiacheng, et autres
Publié: (2024)
par: Ye, Jiacheng, et autres
Publié: (2024)
MoS: Unleashing Parameter Efficiency of Low-Rank Adaptation with Mixture of Shards
par: Wang, Sheng, et autres
Publié: (2024)
par: Wang, Sheng, et autres
Publié: (2024)
Native Hybrid Attention for Efficient Sequence Modeling
par: Du, Jusen, et autres
Publié: (2025)
par: Du, Jusen, et autres
Publié: (2025)
Linear Attention for Efficient Bidirectional Sequence Modeling
par: Afzal, Arshia, et autres
Publié: (2025)
par: Afzal, Arshia, et autres
Publié: (2025)
Documents similaires
-
Proxy Compression for Language Modeling
par: Zheng, Lin, et autres
Publié: (2026) -
A Reparameterized Discrete Diffusion Model for Text Generation
par: Zheng, Lin, et autres
Publié: (2023) -
Scaling Reasoning without Attention
par: Zhao, Xueliang, et autres
Publié: (2025) -
Long-range Modeling and Processing of Multimodal Event Sequences
par: Li, Jichu, et autres
Publié: (2026) -
Self-Infilling Code Generation
par: Zheng, Lin, et autres
Publié: (2023)