ViT中枢作家Lucas Beyer百家乐ag厅投注限额，长文分析了一篇改良Transformer架构的论文，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，全体念念路肖似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无数温文，但也濒临一些质疑，在弹幕版alphaXiv上作家与读者进行了好多商议。
Beyer着手也对这篇著述抓保留魄力，以为“难说念MHA中的两个老成力头弗成学习到这些吗？”。
但经由近期和同业的一些互动，以为不应该放浪下定论，重新看了一遍论文后，他调动了认识
我的当先印象被团队的实际透彻败坏了，他们的实际相称公良善严慎。
此外还有一个彩蛋：
大佬庸俗会用坐飞机的时辰来打4把Dota 2游戏快速花样。
咫尺写这个帖子也弗成当论文评审职责写进简历，是纯纯的孝敬个东说念主时辰了，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转换相称simple和nice，不错用一句话抽象。
将两个老成力头配对，然后引申(softmax(Q1K1) - λ*softmax(Q2K2)) V，其中λ是一个可学习的标量。
他认为这项接头的动机相称充分：跟着高下文变长，（微小的）对不联系token的老成力之和可能向上对少数联系token的老成力，从而统一它们。
这一洞见标明，跟着输入长度的加多，经典Transformer可能越来越难以捕捉到重要信息。DIFF Transformer试图科罚这一问题。
但他仍不祥情对于捕快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分裂/熵的图表，以内容证据注解这个插图的合感性。
接下来，他指出了几个容易被淡薄的细节：
与Figure1不同，DiffAttn内容上并莫得对差值重新归一化。那么它究竟如何放大”联系”的分数呢？
Beyer建论说文中能提供更多内容捕快的DIFF Transformer的分析图表。
λ的贪图止境复杂，触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，背面又是0.8。
Beyer认为λ不一定需如果偶合，并建议提供更多对可学习λ参数的分析。
每个老成力头的输出皆经由了层归一化并乘以(1-λ_init)，ag百家乐九游会然后再concat并乘以WO，这里也需要更多图表来证据注解。
接下来看论文中无数的实际。接头者基本上分叉澄莹StableLM-3B-4E1T，称之为Diff-3B，行为基线模子进行比拟。
可惜的是，基线模子只在其中3个数据集上诠释了成果，其中2个Diff-3B的深入皆止境好。
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乍一看很有远景。但仔细不雅察后，Beyer提议了两点质疑：
缩放弧线彰着分为两组，在它们之间画一条线有点牵强。搜检附录可知，接头者为较大的两个模子镌汰了学习率。这是否意味着他们遭遇了不深入性问题？
每次实际只用了10B个token捕快，这个数目相称小。Beyer意会其中的贪图资源结束，但仍然感到有点不安。
这些实际标明，在调换大小的情况下，DIFF Transformer性能会更好一些，况且捕快时辰调换。
关联词，它的的推理速率也会慢一些(慢5-10%)。
Beyer提议最佳能看到以贪图量或内容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深入出了彰着的上风。
止境是在高下体裁习的鲁棒性实际中，DIFF Transformer在不同的样本罗列轨则下，性能方差远小于经典Transformer。
这标明它更拦截易被输入的微弱变化搅扰，而经典Transformer容易受到样本轨则的影响，在最佳和最坏情况下深入出入很大。
总的来说，Beyer对这篇论文的认识有所改不雅：
接头者的实际相称全面和严慎，实在展现了DIFF Transformer比单纯的”两个老成力头相减”更多的后劲。
这项职责展现了一些有远景的火花。它在其他东说念主的捕快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。
他们曾共同提议Vision Transformer，创举了Transformer在CV畛域诈欺的先河。
据他个东说念主官网中先容，他在比利时长大，曾联想制作电子游戏以及从事AI接头。
他在德国亚琛工业大学学习机械工程，并在那处得回了机器东说念主感知和贪图机视觉博士学位，2018年加入谷歌。
除了此次长文分析DIFF Transformer除外，他还庸俗对新接头发表一些短的驳斥，比如最近火爆的DeepSeek v3，他也提议我方的建议。
总之是一位相称值得温文的学者百家乐ag厅投注限额。