効果性と効率性に関する技術：状態空間モデルのサーベイ

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

March 14, 2025

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

cs.AI

要旨

状態空間モデル（SSM）は、広く普及しているトランスフォーマーベースのモデルに代わる有望なアプローチとして注目を集めつつある。トランスフォーマーと比較して、SSMはシーケンシャルデータや長いコンテキストを扱うタスクにおいて優れた性能を発揮し、同等のパフォーマンスを維持しながら大幅な効率向上を実現している。本調査では、SSMに関する理論的動機付け、数学的定式化、既存モデルクラスとの比較、および様々な応用について、一貫性と体系性を持った概要を提供する。SSMシリーズを3つの主要セクションに分け、オリジナルのSSM、S4に代表される構造化SSM、そしてMambaに代表される選択的SSMについて詳細に紹介する。技術的な側面に重点を置き、SSMの有効性と効率性を向上させるために導入された様々なキーテクニックを強調する。本稿が、研究者がSSMの理論的基盤を探求するための導入として役立つことを期待する。

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.