ViT中枢作家Lucas Beyer，长文分析了一篇革新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，举座想路相通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，搞定Transformer模子信噪比低的问题。
这篇论文发布时引起无数柔和，但也面临一些质疑，在弹幕版alphaXiv上作家与读者进行了许多考虑。
Beyer最先也对这篇著述抓保留作风，合计“难说念MHA中的两个安定力头不成学习到这些吗？”。
但经由近期和同业的一些互动，合计不应该纵欲下定论，再行看了一遍论文后，他变调了意见
我的最先印象被团队的实际透顶冲破了，他们的实际相称公和睦严慎。
此外还有一个彩蛋：
大佬平凡会用坐飞机的时分来打4把Dota 2游戏快速样貌。
当今写这个帖子也不成当论文评审使命写进简历，是纯纯的孝敬个东说念主时分了，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翻新相称simple和nice，不错用一句话综合。
将两个安定力头配对，然后推论(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，（微小的）对不有关token的安定力之和可能超越对少数有关token的安定力，从而合并它们。
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试图搞定这一问题。
但他仍概略情对于磨砺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散播/熵的图表，以本色解释这个插图的合感性。
接下来，他指出了几个容易被冷落的细节：
与Figure1不同，DiffAttn本色上并莫得对差值再行归一化。那么它究竟若何放大”有关”的分数呢？
Beyer建论说文中能提供更多本色磨砺的DIFF Transformer的分析图表。
λ的规画颠倒复杂，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，背面又是0.8。
Beyer认为λ不一定需如果恰恰，并建议提供更多对可学习λ参数的分析。
每个安定力头的输出王人经由了层归一化并乘以(1-λ_init)，ag真人百家乐官网然后再concat并乘以WO，这里也需要更多图表来解释。
接下来看论文中无数的实际。接洽者基本上分叉明晰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个数据集上论说了恶果，其中2个Diff-3B的发达王人颠倒好。
Beyer怀疑这个StableLM-3B是否真的是一个强基线。
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建议了两点质疑：
缩放弧线彰着分为两组，在它们之间画一条线有点牵强。寻查附录可知，接洽者为较大的两个模子裁汰了学习率。这是否意味着他们遭受了不解析性问题？
每次实际只用了10B个token磨砺，这个数目相称小。Beyer意会其中的规画资源足下，但仍然感到有点不安。
这些实际标明，在相易大小的情况下，DIFF Transformer性能会更好一些，况且磨砺时分相易。
可是，它的的推理速率也会慢一些(慢5-10%)。
Beyer建议最佳能看到以规画量或本色时分为横轴的缩放弧线。
在长文本评测和对输入样本端正的鲁棒性方面，DIFF Transformer发达出了彰着的上风。
尽头是在高下体裁习的鲁棒性实际中，DIFF Transformer在不同的样本陈设端正下，性能方差远小于经典Transformer。
这标明它更禁止易被输入的轻细变化侵扰，而经典Transformer容易受到样本端正的影响，在最佳和最坏情况下发达收支很大。
总的来说，Beyer对这篇论文的意见有所改不雅：
接洽者的实际相称全面和严慎，真的展现了DIFF Transformer比单纯的”两个安定力头相减”更多的后劲。
这项使命展现了一些有远景的火花。它在其他东说念主的磨砺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，首创了Transformer在CV边界诈欺的先河。
据他个东说念主官网中先容，他在比利时长大，曾逸想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，并在何处取得了机器东说念主感知和规画机视觉博士学位，2018年加入谷歌。
除了此次长文分析DIFF Transformer以外，他还平凡对新接洽发表一些短的挑剔，比如最近火爆的DeepSeek v3，他也建议我方的建议。
总之是一位相称值得柔和的学者AG真人百家乐线路。