arXiv论文提出LAPLEX可训练Laplace核算子
热点事件持续更新
arXiv论文提出LAPLEX可训练Laplace核算子
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
LAPLEX论文作者在arXiv发布论文（arXiv:2605.24584），提出LAPLEX，一类精确、可训练的（相位化）Laplace 核算子，兼具FFT式扩展性与可学习几何结构。 据论文描述，每个LAPLEX层是由可学习坐标锚点隐式定义的通常满秩稠密矩阵，无需存储稠密矩阵即可学习稠密几何，将表达能力与存储成本解耦。作者称该算子可在现代GPU上支持向量维度最高10^9的可训练矩阵-向量运算，并可作为Gram算子处理维度3·10^6的展平图像协方差模型。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 13:00
LAPLEX：可学习 Laplace 核的 FFT 类快速线性算子报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AILAPLEX：可学习 Laplace 核的 FFT 类快速线性算子
arXiv 论文提出 LAPLEX，一类精确、可训练的（相位化）Laplace 核算子，兼具 FFT 式扩展性与可学习几何结构。其层由可学习坐标锚点隐式定义的近似满秩稠密矩阵，可在现代 GPU 上支持向量维度最高 10^9 的可训练矩阵-向量运算，并可作为 Gram 算子处理维度 3·10^6 的展平图像协方差模型。该原语无需存储稠密矩阵即可学习稠密几何，将表达能力与存储成本解耦。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。