状态空间模型的卷积模式和循环模式有何区别？

1. 循环模式（Recurrent Mode）

在循环模式下，SSM 像 RNN 一样逐时间步处理：每一步仅依据当前输入和上一时刻状态更新，产生当前输出。其单步计算成本为 O(1)，与序列总长无关，因此特别适合推理阶段的自回归生成。

2. 卷积模式（Convolutional Mode）

在线性时不变（LTI）假设下，整个序列的 SSM 处理可视为一次大型卷积运算。由于系统对任意长度序列的响应是固定的，可借助卷积定理和快速傅里叶变换实现并行计算，复杂度约为 O(N log N)。这种模式适合训练阶段的大批量并行处理。

3. 对偶性的意义

循环与卷积两种模式在数学上等价，可按场景切换：训练时用卷积模式获得并行加速，推理时用循环模式获得恒定单步成本。这种"两全其美"的对偶性是现代 SSM（如 S4）的核心优势。需要注意的是，引入选择性机制的 Mamba 不再严格满足线性时不变假设，因此无法直接使用卷积模式，需改用并行扫描算法。