热点事件观察中

论文提出PLCP/PECP稀疏注意力投影方法

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

Michel Barlaud 等在 arXiv（2611.04479）发布论文，提出基于 Lorentz 锥几何的尺度不变稀疏性度量 Cone Alignment Index（CAI），并在此基础上推导出两种稀疏投影方法：闭式近似的 PLCP 和精确欧氏投影 PECP。论文证明两种投影共线、仅差一个正径向缩放因子，且诱导相同的稀疏阈值与 active support；还给出高斯与均匀分布下的概率分析，称高稀疏度下样本落在凸锥内的概率趋于 1。作者还提出 bilevel PLCP 框架，可生成逐行、逐列、对角等硬件友好的结构化稀疏掩码，面向加速 Transformer attention。

AI 根据报道生成 · 11 小时前更新

最新进展11月3日 16:12

用于结构化稀疏注意力的参数化线性锥投影（PLCP）

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

16:12
arXiv · cs.AI
用于结构化稀疏注意力的参数化线性锥投影（PLCP）
该论文提出基于 Lorentz 锥几何的尺度不变稀疏性度量 Cone Alignment Index（CAI），并给出高斯与均匀分布下的概率分析，证明高稀疏度下样本落在凸锥内的概率趋于 1。在此基础上推导出闭式近似投影 PLCP 与精确欧氏投影 PECP，证明二者共线、仅差一个正径向缩放因子且诱导完全相同的稀疏阈值与 active support。论文还建立 bilevel PLCP 框架，可生成逐行、逐列、对角等硬件友好的结构化稀疏掩码，适用于加速 Transformer attention。

本事件热度走势

可比范围当前: 3
可比范围峰值: 411月5日 03:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。