基于Transformer架构的基础模型存在内容导向推理的弱点，通过改进结构状态空间模型（SSMs）参数成为输入的函数，将选择性SSMs集成到简化的神经网络架构中，提出了一种快速推断速度和线性扩展的模型Mamba。Mamba在语言、音频和基因组等多个模态上实现了最先进的性能。

提出了一种新的体系结构 SiMBA，通过特定特征值计算引入 Einstein FFT（EinFFT）用于通道建模，使用 Mamba 块进行序列建模，通过对图像和时间序列基准的广泛性能研究证明 SiMBA 在性能上优于现有的 SSMs，缩小与现有的 transformers 的性能差距。