Beyond Transformers
Assessing Next-Generation Neural Architectures for Multimodal Sequence Modeling
DOI:
https://doi.org/10.66838/sauc.6507Palabras clave:
Transformers, State Space Models, Linear Attention, Recurrent Networks, Hybrid Architectures, Multimodal Learning, Long-Context Modeling, Efficient InferenceResumen
The Transformer has been the dominant architecture for sequence modelling for almost a decade, but its self-attention mechanism compares every position with every other, so its cost grows rapidly with sequence length and its inference memory grows with the length of the history. These costs are especially burdensome in multimodal settings, where text, audio, video, and sensor streams are combined into very long sequences. A new generation of architectures, including structured state space models, linear and retentive attention, long convolutions, modernised recurrent networks, and hybrids that mix several of these with a few attention layers, claims to remove the bottleneck. This paper provides a systematic assessment of these families under a controlled protocol. Six architectures and two hybrid designs were trained with matched parameter budgets and identical data on five multimodal tasks: video-text retrieval, audio-visual speech recognition, long-document question answering with figures, wearable sensor and text fusion, and long-horizon multimodal.......
Descargas
Estadísticas globales ℹ️
|
34
Visualizaciones
|
17
Descargas
|
|
51
Total
|
|
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y el derecho de edición

Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor.
- Los autores/as ceden a la revista el derecho de la primera publicación. La revista también posee los derechos de edición.
- Todos los contenidos publicados se regulan mediante una Licencia Atribución/Reconocimiento-SinDerivados 4.0 Internacional. Acceda a la versión informativa y texto legal de la licencia. En virtud de ello, se permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista. Si transforma el material, no podrá distribuir el trabajo modificado.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales), una vez publicado en la revista y citando a la misma ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).







