MANAR：具有导航抽象概念表示的记忆增强注意力机制

本文提出 MANAR，一种基于全局工作空间理论的记忆增强注意力机制。该架构通过可训练的抽象概念记忆和抽象概念表示（ACR）构建中央工作区，包含整合与广播两个阶段，实现了线性时间复杂度。作为标准多头注意力的兼容重参数化，它支持预训练权重迁移，并能合成输入凸包之外的非凸表示。实验表明，其在语言、视觉和语音任务上表现优异，是二次方注意力的高效替代方案。