Mamba

Mamba 是什么？

Mamba 是一种新的序列模型，由「选择性状态空间模型」（Selective State Space Model）演化而来。它的聪明之处在于「选择性」：读到一个词时，它不是把所有信息都往状态里塞，而是自己判断哪些该记、哪些该丢。就像上课做笔记——学霸只记重点，效率自然高。

「选择性」到底厉害在哪？

内容决定状态
传统 SSM 的更新规则是固定的，Mamba 让输入内容自己决定「记什么」，记忆更精准。
长文本更省
该略过的略过，状态不会被无关信息撑爆，超长序列也能扛得住。
线性复杂度
计算成本随长度线性增长，处理几十万字不在话下。

它和 Transformer 怎么比？

效率上
Mamba 在长序列上更快、更省内存，适合实时推理和长文档。
效果上
在很多序列任务上已经能跟 Transformer 掰手腕，某些长序列任务甚至更胜一筹。
生态上
Transformer 的生态更成熟，Mamba 还在快速追赶，两者常被混合使用。

它能用在哪？

长文档总结、DNA 序列分析、语音处理、代码生成……凡是「序列又长、又要实时」的场景，Mamba 都是很有潜力的选手。

一句话记住：Mamba 就像会「抓重点」的学霸，靠选择性记忆，在超长序列上又准又省。