据Twitter用户God of Prompt称，一种名为Grassmann流的新方法被提出，作为传统注意力机制的替代方案。这一技术通过在流形上进行受控几何演化，将隐藏状态从256维降至32维，并将标记对编码为Grassmann流形Gr(2,32)上的二维子空间，同时利用Plücker坐标生成几何特征。该方法在无注意力权重的前提下进行门控和信息融合，完全依赖于流形几何。这一创新为AI模型架构带来数学上的优雅和高效性，有望为专注于高效可解释神经网络的企业带来新商机。