Event-AHU/Mamba_State_Space_Model_Paper_List

这个GitHub仓库是一个关于状态空间模型（SSMs）——一类AI模型架构——及其应用的学术论文精选列表。该集合由一个研究团队（与Event-AHU GitHub账户关联）维护，并围绕他们自己的综述论文展开，题为*“State Space Model for New-Generation Network Alternative to Transformers: A Survey”*（2024年）。该综述的标题表明，SSMs正被探索作为Transformer架构的可能继任者，而Transformer是现代AI中广泛使用的构建块。

该仓库分为几个部分：

• 更新日志 — 跟踪里程碑，包括在arXiv上发布综述（2024年4月）、幻灯片（2024年5月）以及综述被期刊Visual Intelligence接受（日志中注明为2026年9月）。
• 视频教程 — 链接到关于“Mamba”的录制演讲，这是一种特定的SSM方法（标记为COLM Oral 2024演示）。
• 论文与综述 — 列出其他综述论文和关于SSMs及相关主题的博士论文，每篇都有PDF或页面的链接（主要在arXiv上）。
• 年度论文列表 — 2024年、2025年和2026年的条目，涵盖大量将SSMs应用于医学影像、人体姿态估计、视频理解、3D物体检测、语言建模、图像生成等领域的科研论文。每个条目给出论文标题、作者和链接（通常指向arXiv），有时还附带代码链接。

该仓库还提供了联系邮箱以接收建议，并邀请社区贡献或更正。它是一个索引/资源，而非软件工具——其目的是帮助研究人员跟踪SSM研究及其应用的进展。

注意：README并未从技术细节上解释什么是状态空间模型；它仅将其框定为研究领域和Transformers的替代方案。