Technologien zu Effektivität und Effizienz: Eine Übersicht über State-Space-Modelle

Technologies on Effectiveness and Efficiency: A Survey of State Spaces Models

March 14, 2025

Autoren: Xingtai Lv, Youbang Sun, Kaiyan Zhang, Shang Qu, Xuekai Zhu, Yuchen Fan, Yi Wu, Ermo Hua, Xinwei Long, Ning Ding, Bowen Zhou

cs.AI

Zusammenfassung

State-Space-Modelle (SSMs) haben sich als vielversprechende Alternative zu den weit verbreiteten Transformer-basierten Modellen etabliert und gewinnen zunehmend an Aufmerksamkeit. Im Vergleich zu Transformern zeichnen sich SSMs durch ihre Stärke bei Aufgaben mit sequenziellen Daten oder längeren Kontexten aus, wobei sie vergleichbare Leistungen bei deutlich höherer Effizienz erzielen. In dieser Übersichtsarbeit bieten wir eine kohärente und systematische Darstellung von SSMs, einschließlich ihrer theoretischen Motivationen, mathematischen Formulierungen, des Vergleichs mit bestehenden Modellklassen sowie verschiedener Anwendungen. Wir unterteilen die SSM-Reihe in drei Hauptabschnitte und geben eine detaillierte Einführung in das ursprüngliche SSM, das strukturierte SSM, repräsentiert durch S4, sowie das selektive SSM, verkörpert durch Mamba. Wir legen besonderen Wert auf die technischen Aspekte und heben die verschiedenen Schlüsseltechniken hervor, die zur Steigerung der Effektivität und Effizienz von SSMs eingeführt wurden. Wir hoffen, dass dieses Manuskript als Einführung für Forscher dient, um die theoretischen Grundlagen von SSMs zu erkunden.

English

State Space Models (SSMs) have emerged as a promising alternative to the popular transformer-based models and have been increasingly gaining attention. Compared to transformers, SSMs excel at tasks with sequential data or longer contexts, demonstrating comparable performances with significant efficiency gains. In this survey, we provide a coherent and systematic overview for SSMs, including their theoretical motivations, mathematical formulations, comparison with existing model classes, and various applications. We divide the SSM series into three main sections, providing a detailed introduction to the original SSM, the structured SSM represented by S4, and the selective SSM typified by Mamba. We put an emphasis on technicality, and highlight the various key techniques introduced to address the effectiveness and efficiency of SSMs. We hope this manuscript serves as an introduction for researchers to explore the theoretical foundations of SSMs.