在序列建模中，平衡细粒度的局部建模与长距离依赖捕获仍然是一个核心挑战。虽然Transformer在令牌混合方面表现出色，但其计算复杂度为二次，而Mamba风格的选择性状态空间模型（SSMs）则以线性方式扩展，但往往难以捕捉高阶和同步的全局交互。通过一致性边界分析，确定了对角短记忆SSMs何时能够近似因果注意力，并识别出仍然存在的结构性差距。基于这一分析，提出了InfoMamba，一种无注意力的混合...