发布日期：2025-01-01 08:49 点击次数：160
ViT中枢作家Lucas BeyerAG百家乐网站地址，长文分析了一篇翻新Transformer架构的论文，引起保举围不雅。
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，举座想路近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，惩办Transformer模子信噪比低的问题。
这篇论文发布时引起大量和蔼，但也濒临一些质疑，在弹幕版alphaXiv上作家与读者进行了好多扣问。
Beyer着手也对这篇著述抓保留气派，以为“难谈MHA中的两个防卫力头不成学习到这些吗？”。
但过程近期和同业的一些互动，以为不应该粗疏下定论，再行看了一遍论文后，他篡改了成见
我的起初印象被团队的实验透彻冲破了，他们的实验绝顶公温煦严慎。
此外还有一个彩蛋：
大佬世俗会用坐飞机的时分来打4把Dota 2游戏快速格局。
当今写这个帖子也不成当论文评审使命写进简历，是纯纯的孝顺个东谈主时分了，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创新绝顶simple和nice，不错用一句话详细。
将两个防卫力头配对，然后推行(softmax(Q1K1) - λ*softmax(Q2K2)) V，其中λ是一个可学习的标量。
他认为这项研究的动机绝顶充分：跟着陡立文变长，（轻细的）对不酌量token的防卫力之和可能超越对少数酌量token的防卫力，从而吞并它们。
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害信息。DIFF Transformer试图惩办这一问题。
但他仍不细目对于搜检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漫步/熵的图表，以实质解说这个插图的合感性。
接下来，他指出了几个容易被疏远的细节：
与Figure1不同，DiffAttn实质上并莫得对差值再行归一化。那么它究竟如何放大”酌量”的分数呢？
Beyer建论说文中能提供更多实质搜检的DIFF Transformer的分析图表。
λ的狡计相配复杂，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，后头又是0.8。
Beyer认为λ不一定需如果正巧，并建议提供更多对可学习λ参数的分析。
每个防卫力头的输出王人过程了层归一化并乘以(1-λ_init)，ag百家乐回血然后再concat并乘以WO，这里也需要更多图表来解说。
接下来看论文中大量的实验。研究者基本上分叉澄澈StableLM-3B-4E1T，称之为Diff-3B，当作基线模子进行相比。
可惜的是，基线模子只在其中3个数据集上论说了成果，其中2个Diff-3B的透露王人相配好。
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建议了两点质疑：
缩放弧线昭着分为两组，在它们之间画一条线有点牵强。稽察附录可知，研究者为较大的两个模子裁减了学习率。这是否意味着他们碰到了不牢固性问题？
每次实验只用了10B个token搜检，这个数目绝顶小。Beyer调处其中的狡计资源适度，但仍然感到有点不安。
这些实验标明，在相易大小的情况下，DIFF Transformer性能会更好一些，况且搜检时分相易。
酌量词，它的的推理速率也会慢一些(慢5-10%)。
Beyer建议最佳能看到以狡计量或实质时分为横轴的缩放弧线。
在长文本评测和对输入样本规则的鲁棒性方面，DIFF Transformer透走漏了昭着的上风。
迥殊是在陡立文体习的鲁棒性实验中，DIFF Transformer在不同的样本摆设规则下，性能方差远小于经典Transformer。
这标明它更进军易被输入的微弱变化侵扰，而经典Transformer容易受到样本规则的影响，在最佳和最坏情况下透露收支很大。
总的来说，Beyer对这篇论文的成见有所改不雅：
研究者的实验绝顶全面和严慎，确切展现了DIFF Transformer比单纯的”两个防卫力头相减”更多的后劲。
这项使命展现了一些有出路的火花。它在其他东谈主的搜检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。
他们曾共同建议Vision Transformer，草创了Transformer在CV畛域运用的先河。
据他个东谈主官网中先容，他在比利时长大，曾假想制作电子游戏以及从事AI研究。
他在德国亚琛工业大学学习机械工程，并在何处赢得了机器东谈主感知和狡计机视觉博士学位，2018年加入谷歌。
除了此次长文分析DIFF Transformer除外，他还世俗对新研究发表一些短的驳斥，比如最近火爆的DeepSeek v3，他也建议我方的建议。
总之是一位绝顶值得和蔼的学者AG百家乐网站地址。