ViT中枢作家Lucas Beyer，长文分析了一篇纠正Transformer架构的论文AG百家乐为什么总是输，引起推选围不雅。
他前不久从谷歌跳槽到OpenAI，此次是在飞机上阅读论文并写下了分析。
这篇论文被他简写为DiffTranformer，不外不是Sora底层架构的阿谁Diffusion Transformer，而是不久前来自微软的Differencial Transformer。
论文中先容，合座念念路一样差分放大电路或降噪耳机，用两个信号的差值来滤除共模噪声，科罚Transformer模子信噪比低的问题。
这篇论文发布时引起大批热心，但也濒临一些质疑，在弹幕版alphaXiv上作家与读者进行了许多筹商。
Beyer源流也对这篇著作合手保留气派，以为“难谈MHA中的两个贯注力头不成学习到这些吗？”。
但历程近期和同业的一些互动，以为不应该松弛下定论，再行看了一遍论文后，他改革了倡导
我的率先印象被团队的执行透顶破损了，他们的执行相称公温情严慎。
此外还有一个彩蛋：
大佬粗俗会用坐飞机的时辰来打4把Dota 2游戏快速样式。
现时写这个帖子也不成当论文评审职责写进简历，是纯纯的孝顺个东谈主时辰了，以后也不会常写。
总之先给大佬点赞。
大佬解读热门论文
Beyer评价这篇论文的中枢更动相称simple和nice，不错用一句话综合。
将两个贯注力头配对，然后彭胀(softmax(Q1K1) - λ*softmax(Q2K2)) V，其中λ是一个可学习的标量。
他认为这项接洽的动机相称充分：跟着高下文变长，（狭窄的）对不关系token的贯注力之和可能提升对少数关系token的贯注力，从而归并它们。
这一洞见标明，跟着输入长度的增多，经典Transformer可能越来越难以捕捉到要道信息。DIFF Transformer试图科罚这一问题。
但他仍不细目对于磨真金不怕火充分的模子来说这是个多大的问题，但愿在DIFF Transformer论文中有一些对于attention散布/熵的图表，以本色证据这个插图的合感性。
接下来，他指出了几个容易被暴戾的细节：
与Figure1不同，DiffAttn本色上并莫得对差值再行归一化。那么它究竟怎样放大”关系”的分数呢？
Beyer建论说文中能提供更多本色磨真金不怕火的DIFF Transformer的分析图表。
λ的筹商十分复杂，波及两个可学习的指数函数之差，加上一些基线λ_init，在早期的层是0.1，后头又是0.8。
Beyer认为λ不一定需若是正巧，并建议提供更多对可学习λ参数的分析。
每个贯注力头的输出皆历程了层归一化并乘以(1-λ_init)，AG百家乐积分然后再concat并乘以WO，这里也需要更多图表来证据。
接下来看论文中大批的执行。接洽者基本上分叉领路StableLM-3B-4E1T，称之为Diff-3B，行为基线模子进行相比。
可惜的是，基线模子只在其中3个数据集上叙述了效果，其中2个Diff-3B的进展皆十分好。
Beyer怀疑这个StableLM-3B是否确切是一个强基线。
在参数目和token数的缩放弧线上，DIFF Transformer乍一看很有出路。但仔细不雅察后，Beyer提倡了两点质疑：
缩放弧线显明分为两组，在它们之间画一条线有点牵强。稽查附录可知，接洽者为较大的两个模子缩小了学习率。这是否意味着他们际遇了不相识性问题？
每次执行只用了10B个token磨真金不怕火，这个数目相称小。Beyer闪现其中的筹商资源罢休，但仍然感到有点不安。
这些执行标明，在交流大小的情况下，DIFF Transformer性能会更好一些，况兼磨真金不怕火时辰交流。
然则，它的的推理速率也会慢一些(慢5-10%)。
Beyer提倡最佳能看到以筹谈判或本色时辰为横轴的缩放弧线。
在长文本评测和对输入样本轨则的鲁棒性方面，DIFF Transformer进展出了显明的上风。
颠倒是在高下文体习的鲁棒性执行中，DIFF Transformer在不同的样本胪列轨则下，性能方差远小于经典Transformer。
这标明它更禁锢易被输入的微弱变化烦懑，而经典Transformer容易受到样本轨则的影响，在最佳和最坏情况下进展进出很大。
总的来说，Beyer对这篇论文的倡导有所改不雅：
接洽者的执行相称全面和严慎，真实展现了DIFF Transformer比单纯的”两个贯注力头相减”更多的后劲。
这项职责展现了一些有出路的火花。它在其他东谈主的磨真金不怕火任务中能否很好地复现、或带来匡助，还有待进一步不雅察。
Lucas Beyer是谁
12月初，Lucas Beyer与Xiaohua Zhai、Alexander Kolesnikov集体从谷歌被挖到OpenAI。
他们曾共同提倡Vision Transformer，首创了Transformer在CV鸿沟诓骗的先河。
据他个东谈主官网中先容，他在比利时长大，曾期望制作电子游戏以及从事AI接洽。
他在德国亚琛工业大学学习机械工程，并在那边赢得了机器东谈主感知和筹商机视觉博士学位，2018年加入谷歌。
除了此次长文分析DIFF Transformer除外，他还粗俗对新接洽发表一些短的驳斥，比如最近火爆的DeepSeek v3，他也提倡我方的建议。
总之是一位相称值得热心的学者AG百家乐为什么总是输。