发布日期：2025-01-01 10:08 点击次数：112
ViT中枢作家Lucas Beyer，长文分析了一篇更正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，全体念念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，措置Transformer模子信噪比低的问题。
这篇论文发布时引起大皆暖和，但也濒临一些质疑，在弹幕版alphaXiv上作家与读者进行了好多接洽。
Beyer首先也对这篇著述执保留格调，认为“难说念MHA中的两个正式力头不成学习到这些吗？”。
但过程近期和同业的一些互动，认为不应该放纵下定论，重新看了一遍论文后，他改变了成见
我的当先印象被团队的执行透顶突破了，他们的执行相称公暖和严慎。
此外还有一个彩蛋：
大佬无为会用坐飞机的技术来打4把Dota 2游戏快速形式。
刻下写这个帖子也不成当论文评审使命写进简历，是纯纯的孝顺个东说念主技术了，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改动相称simple和nice，不错用一句话抽象。
将两个正式力头配对，然后推论(softmax(Q1K1) - λ*softmax(Q2K2)) V，其中λ是一个可学习的标量。
他认为这项讨论的动机相称充分：跟着高下文变长，（微小的）对不策划token的正式力之和可能卓越对少数策划token的正式力，从而团结它们。
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试图措置这一问题。
但他仍不笃定对于教师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，以本体阐明这个插图的合感性。
接下来，他指出了几个容易被淡薄的细节：
与Figure1不同，DiffAttn本体上并莫得对差值重新归一化。那么它究竟怎样放大”策划”的分数呢？
Beyer建论说文中能提供更多本体教师的DIFF Transformer的分析图表。
λ的绸缪终点复杂，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不一定需若是恰巧，并建议提供更多对可学习λ参数的分析。
每个正式力头的输出皆过程了层归一化并乘以(1-λ_init)，AG百家乐感觉被追杀然后再concat并乘以WO，这里也需要更多图表来阐明。
接下来看论文中大皆的执行。讨论者基本上分叉知晓StableLM-3B-4E1T，称之为Diff-3B，看成基线模子进行比拟。
可惜的是，基线模子只在其中3个数据集上流露了成果，其中2个Diff-3B的进展皆终点好。
Beyer怀疑这个StableLM-3B是否真实是一个强基线。
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提议了两点质疑：
缩放弧线显然分为两组，在它们之间画一条线有点牵强。查抄附录可知，讨论者为较大的两个模子缩小了学习率。这是否意味着他们碰到了不踏实性问题？
每次执行只用了10B个token教师，这个数目相称小。Beyer贯穿其中的绸缪资源逝世，但仍然感到有点不安。
这些执行标明，在探讨大小的情况下，DIFF Transformer性能会更好一些，何况教师技术探讨。
然则，它的的推理速率也会慢一些(慢5-10%)。
Beyer提议最佳能看到以绸缪量或本体技术为横轴的缩放弧线。
在长文本评测和对输入样本轨则的鲁棒性方面，DIFF Transformer进展出了显然的上风。
终点是在高下体裁习的鲁棒性执行中，DIFF Transformer在不同的样本罗列轨则下，性能方差远小于经典Transformer。
这标明它更遏止易被输入的轻捷变化打扰，而经典Transformer容易受到样本轨则的影响，在最佳和最坏情况下进展收支很大。
总的来说，Beyer对这篇论文的成见有所改不雅：
讨论者的执行相称全面和严慎，确凿展现了DIFF Transformer比单纯的”两个正式力头相减”更多的后劲。
这项使命展现了一些有出路的火花。它在其他东说念主的教师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规模利用的先河。
据他个东说念主官网中先容，他在比利时长大，曾想象制作电子游戏以及从事AI讨论。
他在德国亚琛工业大学学习机械工程，并在那儿得到了机器东说念主感知和绸缪机视觉博士学位，2018年加入谷歌。
除了此次长文分析DIFF Transformer除外，他还无为对新讨论发表一些短的驳倒，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暖和的学者百家乐AG真人。