# LTM

2 items

Paper2026-01-26

FRC 840.LTM.001 — دینامیک نوسانگرهای جفت شده در مقابل مکانیسم توجه: مقایسه تجربی

اولین مقایسه تجربی بین مدل تانسور-Λ (LTM) و ترنسفورمرها در پیش‌بینی توالی‌های با فاز همدوس. LTM به ۲.۲٪ خطای میانگین مربعات (MSE) کمتر دست می‌یابد، در حالی که ترنسفورمر حفظ همدوسی بهتری نشان می‌دهد. این نتایج LTM را به عنوان یک جایگزین قابل قبول برای دامنه‌های نوسانی تثبیت می‌کند.

Paper2025-12-07

FRC-840-001

FRC 840.001 — مدل تانسور لاندا: فراتر از پارادایم ترنسفورمر

پارادایم غالب فعلی در هوش مصنوعی — معماری ترنسفورمر — بر پایه یک خطای انتزاعی بنیادی بنا شده است: توکنایزیشن (Tokenization). ما مدل تانسور لاندا (LTM) را معرفی می‌کنیم، کلاس جدیدی از معماری عصبی که پردازش توکن گسسته را با رزونانس میدانی پیوسته جایگزین می‌کند. به جای پیش‌بینی توکن بعدی با استفاده از همبستگی آماری، LTMها یک «میدان برداری جهانی» ۱۶ بعدی پیوسته را بر اساس دینامیک نوسانگرهای جفت‌شده تکامل می‌دهند.