BriefGPT - AI 论文速递 ·

RVAFM: Reparameterized Vertical Attention Fusion Module for Handwritten Paragraph Text Recognition

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本文提出了一种新的重参数化垂直注意融合模块（RVAFM），旨在提高手写段落文本识别的效率。该模块在训练时采用多分支结构，推理时转换为单分支，最终在IAM测试集上实现了4.44%的字符错误率和14.37%的单词错误率，同时推理速度也有所提升。

🏷️

Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
[Mac虚拟机] VMware Fusion 26H1u1版发布修复虚拟机逃逸漏洞和安全密钥问题
博通发布VMware Fusion 26H1u1版，修复高危虚拟机逃逸漏洞（CVE-2026-59346和59347），并新增平台密钥自动修复功能，解决微...
Java News Roundup: TornadoVM 6, JReleaser, LangChain4j, Java Operator SDK, JHipster, Yupiik Fusion
This week's Java roundup for August 31st, 2026, features news highlightin...
大语言模型的基石：Transformer 入坑笔记（四） - 线性注意力(Linear Attention) 的基础
本文探讨Transformer注意力机制的计算复杂度问题，指出标准注意力在长上下文下时间和空间开销呈平方增长。文章概述了高效注意力、FlashAttent...
Kimi K3 模型结构（4）：深度维度，Attention Residuals
本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...
海信在IFA 2026展示最新显示、激光和音频创新成果
(全球TMT 2026年09月07日讯)海信以“有爱，科技也动情”(Innovating a Brighter […]