Hydra: Bidirectional State Space Models Through Generalized Matrix Mixers
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Hwang, Sukjun, Lahoti, Aakash, Dao, Tri, Gu, Albert |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Chimera: State Space Models Beyond Sequences
par: Lahoti, Aakash, et autres
Publié: (2025)
par: Lahoti, Aakash, et autres
Publié: (2025)
Mamba: Linear-Time Sequence Modeling with Selective State Spaces
par: Gu, Albert, et autres
Publié: (2023)
par: Gu, Albert, et autres
Publié: (2023)
Transformers are SSMs: Generalized Models and Efficient Algorithms Through Structured State Space Duality
par: Dao, Tri, et autres
Publié: (2024)
par: Dao, Tri, et autres
Publié: (2024)
Mamba-3: Improved Sequence Modeling using State Space Principles
par: Lahoti, Aakash, et autres
Publié: (2026)
par: Lahoti, Aakash, et autres
Publié: (2026)
M$^2$RNN: Non-Linear RNNs with Matrix-Valued States for Scalable Language Modeling
par: Mishra, Mayank, et autres
Publié: (2026)
par: Mishra, Mayank, et autres
Publié: (2026)
Dynamic Chunking for End-to-End Hierarchical Sequence Modeling
par: Hwang, Sukjun, et autres
Publié: (2025)
par: Hwang, Sukjun, et autres
Publié: (2025)
Role of Locality and Weight Sharing in Image-Based Tasks: A Sample Complexity Separation between CNNs, LCNs, and FCNs
par: Lahoti, Aakash, et autres
Publié: (2024)
par: Lahoti, Aakash, et autres
Publié: (2024)
Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model
par: Chang, Jinho, et autres
Publié: (2022)
par: Chang, Jinho, et autres
Publié: (2022)
Swift Hydra: Self-Reinforcing Generative Framework for Anomaly Detection with Multiple Mamba Models
par: Do, Nguyen, et autres
Publié: (2025)
par: Do, Nguyen, et autres
Publié: (2025)
The Mamba in the Llama: Distilling and Accelerating Hybrid Models
par: Wang, Junxiong, et autres
Publié: (2024)
par: Wang, Junxiong, et autres
Publié: (2024)
MambaMixer: Efficient Selective State Space Models with Dual Token and Channel Selection
par: Behrouz, Ali, et autres
Publié: (2024)
par: Behrouz, Ali, et autres
Publié: (2024)
EchoMamba4Rec: Harmonizing Bidirectional State Space Models with Spectral Filtering for Advanced Sequential Recommendation
par: Wang, Yuda, et autres
Publié: (2024)
par: Wang, Yuda, et autres
Publié: (2024)
Scale-Consistent State-Space Dynamics via Fractal of Stationary Transformations
par: Yu, Geunhyeok, et autres
Publié: (2026)
par: Yu, Geunhyeok, et autres
Publié: (2026)
LoRA-Mixer: Coordinate Modular LoRA Experts Through Serial Attention Routing
par: Li, Wenbing, et autres
Publié: (2025)
par: Li, Wenbing, et autres
Publié: (2025)
SonicMoE: Accelerating MoE with IO and Tile-aware Optimizations
par: Guo, Wentao, et autres
Publié: (2025)
par: Guo, Wentao, et autres
Publié: (2025)
Distribution Matching via Generalized Consistency Models
par: Shrestha, Sagar, et autres
Publié: (2025)
par: Shrestha, Sagar, et autres
Publié: (2025)
TimeMixer++: A General Time Series Pattern Machine for Universal Predictive Analysis
par: Wang, Shiyu, et autres
Publié: (2024)
par: Wang, Shiyu, et autres
Publié: (2024)
Free Energy Mixer
par: Lu, Jiecheng, et autres
Publié: (2026)
par: Lu, Jiecheng, et autres
Publié: (2026)
Hydra: A Modular Architecture for Efficient Long-Context Reasoning
par: Chaudhary, Siddharth, et autres
Publié: (2025)
par: Chaudhary, Siddharth, et autres
Publié: (2025)
TSKANMixer: Kolmogorov-Arnold Networks with MLP-Mixer Model for Time Series Forecasting
par: Hong, Young-Chae, et autres
Publié: (2025)
par: Hong, Young-Chae, et autres
Publié: (2025)
FlashAttention-3: Fast and Accurate Attention with Asynchrony and Low-precision
par: Shah, Jay, et autres
Publié: (2024)
par: Shah, Jay, et autres
Publié: (2024)
SDMixer: Sparse Dual-Mixer for Time Series Forecasting
par: Ao, Xiang
Publié: (2026)
par: Ao, Xiang
Publié: (2026)
Supervised Contrastive Learning based Dual-Mixer Model for Remaining Useful Life Prediction
par: Fu, En, et autres
Publié: (2024)
par: Fu, En, et autres
Publié: (2024)
MELCOT: A Hybrid Learning Architecture with Marginal Preservation for Matrix-Valued Regression
par: Tran, Khang, et autres
Publié: (2025)
par: Tran, Khang, et autres
Publié: (2025)
TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting
par: Wang, Shiyu, et autres
Publié: (2024)
par: Wang, Shiyu, et autres
Publié: (2024)
Inducing Group Fairness in Prompt-Based Language Model Decisions
par: Atwood, James, et autres
Publié: (2024)
par: Atwood, James, et autres
Publié: (2024)
FFNet: MetaMixer-based Efficient Convolutional Mixer Design
par: Yun, Seokju, et autres
Publié: (2024)
par: Yun, Seokju, et autres
Publié: (2024)
A Multi-Scale Decomposition MLP-Mixer for Time Series Analysis
par: Zhong, Shuhan, et autres
Publié: (2023)
par: Zhong, Shuhan, et autres
Publié: (2023)
Challenges in Mechanistically Interpreting Model Representations
par: Golechha, Satvik, et autres
Publié: (2024)
par: Golechha, Satvik, et autres
Publié: (2024)
Toeplitz MLP Mixers are Low Complexity, Information-Rich Sequence Models
par: Badger, Benjamin L., et autres
Publié: (2026)
par: Badger, Benjamin L., et autres
Publié: (2026)
DPWMixer: Dual-Path Wavelet Mixer for Long-Term Time Series Forecasting
par: Qianyang, Li, et autres
Publié: (2025)
par: Qianyang, Li, et autres
Publié: (2025)
HybriDNA: A Hybrid Transformer-Mamba2 Long-Range DNA Language Model
par: Ma, Mingqian, et autres
Publié: (2025)
par: Ma, Mingqian, et autres
Publié: (2025)
Understanding the Skill Gap in Recurrent Language Models: The Role of the Gather-and-Aggregate Mechanism
par: Bick, Aviv, et autres
Publié: (2025)
par: Bick, Aviv, 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)
The Bicameral Model: Bidirectional Hidden-State Coupling Between Parallel Language Models
par: Flamant, Cedric, et autres
Publié: (2026)
par: Flamant, Cedric, et autres
Publié: (2026)
Time Series Clustering with General State Space Models via Stochastic Variational Inference
par: Ishizuka, Ryoichi, et autres
Publié: (2024)
par: Ishizuka, Ryoichi, et autres
Publié: (2024)
JustDense: Just using Dense instead of Sequence Mixer for Time Series analysis
par: Park, TaekHyun, et autres
Publié: (2025)
par: Park, TaekHyun, et autres
Publié: (2025)
Detecting Jailbreak Attempts in Clinical Training LLMs Through Automated Linguistic Feature Extraction
par: Nguyen, Tri, et autres
Publié: (2026)
par: Nguyen, Tri, et autres
Publié: (2026)
State Space Models over Directed Graphs
par: She, Junzhi, et autres
Publié: (2025)
par: She, Junzhi, et autres
Publié: (2025)
Tiny Time Mixers (TTMs): Fast Pre-trained Models for Enhanced Zero/Few-Shot Forecasting of Multivariate Time Series
par: Ekambaram, Vijay, et autres
Publié: (2024)
par: Ekambaram, Vijay, et autres
Publié: (2024)
Documents similaires
-
Chimera: State Space Models Beyond Sequences
par: Lahoti, Aakash, et autres
Publié: (2025) -
Mamba: Linear-Time Sequence Modeling with Selective State Spaces
par: Gu, Albert, et autres
Publié: (2023) -
Transformers are SSMs: Generalized Models and Efficient Algorithms Through Structured State Space Duality
par: Dao, Tri, et autres
Publié: (2024) -
Mamba-3: Improved Sequence Modeling using State Space Principles
par: Lahoti, Aakash, et autres
Publié: (2026) -
M$^2$RNN: Non-Linear RNNs with Matrix-Valued States for Scalable Language Modeling
par: Mishra, Mayank, et autres
Publié: (2026)