从电路复杂性视角分析状态空间模型与 Mamba 的计算极限

基于摘要分析。本文研究状态空间模型（SSMs）与 Mamba 的理论计算能力，利用电路复杂性框架，刻画多项式精度、常数层深条件下的计算上界，检验有状态设计是否使其比 Transformers 更具计算表达能力。 核心结论：作者报告，在 poly(n) 精度和常数层深的条件下，Selective SSM 与 Mamba 可由 DLOGTIME-uniform TC^0 电路模拟，因此属于该复杂性类。这里的精度与深度约束是结论的适用前提，不能直接外推到深度随输入规模增长或其他精度设置的模型。摘要未提供具体电路构造、精度定义及证明细节，尚需全文核对。 作者据此认为，Mamba 在这一理论框架下与 Transformers 具有相同的计算能力；并指出，若 TC^0 ≠ NC^1，则所分析的模型不能解决算术公式问题、布尔公式求值问题和置换复合问题。这是依赖复杂性类分离假设的条件性限制，不应改写为无条件的不可能性结论。摘要所述电路模拟主要提供复杂性上界，也不能据此推断两类模型在实际任务中的准确率、训练效率或长序列建模效果相同。 阅读时需重点核对模型定义、输入规模 n 的含义、数值精度与运算假设，以及 Transformers 对照结论的适用范围。实验协议、消融及统计信息尚未验证。本文主要贡献是理论分析，而非 EEG/BCI 方法或验证结果；已有 EEG 相关工作尚未检索确认，不据此提出跨领域性能结论或复现实验方案。