Mamba

¿Qué es Mamba?

Mamba es un modelo de secuencia construido sobre la idea del «modelo de espacio de estados selectivo». Su truco es la selectividad: al leer un token, no lo mete todo en su estado — decide qué conservar y qué soltar. Piensa en tomar apuntes en clase: el estudiante de sobresaliente solo escribe lo importante, así que va más rápido.

¿Por qué importa lo de «selectivo»?

El contenido manda en el estado
Los SSM clásicos usan una regla fija de actualización; Mamba deja que la entrada decida qué recordar, así la memoria es más precisa.
Más barato en texto largo
Se salta lo irrelevante, así el estado nunca se desborda — las secuencias muy largas siguen siendo manejables.
Complejidad lineal
El coste crece de forma lineal con la longitud, así que cientos de miles de tokens no son problema.

¿Cómo se compara con los Transformers?

En eficiencia
Mamba es más rápido y ligero en secuencias largas, lo que encaja con la inferencia en tiempo real y los documentos largos.
En calidad
Ya pelea de tú a tú con los Transformers en muchas tareas de secuencia, y gana en algunas de secuencia larga.
En ecosistema
Los Transformers tienen el ecosistema maduro; Mamba lo alcanza rápido, y a menudo se mezclan los dos.

¿Dónde se puede usar?

Resumen de documentos largos, análisis de secuencias de ADN, procesamiento de voz, generación de código — en cualquier sitio donde la secuencia sea larga y la respuesta deba ser en tiempo real, Mamba es un candidato fuerte.

En resumen: Mamba es el estudiante que sabe qué subrayar — su memoria selectiva lo mantiene preciso y barato en secuencias muy largas.