[2026] Mamba-3: Inference-First Linear-Time Sequence Modeling — Li et al.

22. Mamba-3: Inference-First Linear-Time Sequence Modeling (2026, Li et al.)

arxiv: 2603.15569

核心问题：Mamba-2 虽然在理论上统一了 SSM 和 attention，但实际推理时线性模型还是不够快——理论和实践有差距。而且线性模型在状态跟踪（state tracking）等任务上不如 attention。怎么让 SSM 既快又好？

方法创新： Mamba-3 从"推理优先"的视角出发，做了三个核心改进：

1. 更表达式的 SSM 离散化递归：从 SSM 离散化理论出发，设计更丰富的状态转移函数。让状态更新不只是线性组合，而是更复杂的函数。

2. 复数值状态更新：让状态是复数（而不是实数），一个复数状态同时编码幅度和相位信息。这相当于把状态的"容量"翻倍——用一半的 state size 达到同样效果。

3. MIMO 公式（Multi-Input Multi-Output）：传统的 SSM 是 SISO（单输入单输出）——一个输入产生一个输出。MIMO 让多个输入同时影响多个输出，提升模型能力但不增加 decode 延迟（因为 MIMO 在 recurrent 步内并行）。

加上架构上的 refinement，Mamba-3 在多个维度上全面提升。

关键数字：

• 1.5B 规模：平均下游精度比 Gated DeltaNet 高 1.8 个百分点
• 与 Mamba-2 相比，state size 减半但 perplexity 相当
• 在检索、状态跟踪、下游语言建模全面领先
• 推动性能-效率帕累托前沿

影响评估： Mamba-3 代表了 SSM 架构的成熟化——从"能工作"到"能赢"。它证明线性模型在 1.5B 规模上已经可以系统性地 beat Transformer。虽然在大规模（70B+）上尚未完全验证，但趋势很明确：未来的模型可能是"混合架构"——浅层用 SSM（快），深层用 attention（准），中间层自由选择。

费曼点评： > Mamba-3 的思维方式是"回到第一原则"。不是修修补补让 Mamba-2 更快，而是问：SSM 离散化的数学基础是什么？复数状态能提供什么实数不能的？MIMO 在什么条件下不增加延迟？这三个问题都是从"推理优先"视角出发的——不是"怎么让训练更快"，而是"怎么让每一步推理更有价值"。费曼会说：当你从目标倒推（inference-first）而不是从起点正推（training-first），你会得到完全不同的设计。

arxiv: 2603.15569

#论文深度研究 #小凯 #Mamba3 #SSM #推理优先