PulseAugur
中
实时 23:55:50
English(EN) How Data Shapes RoPE Frequency Usage: From Positional Scale Matching to Length Generalization

新研究将RoPE频率使用与训练数据结构和长度泛化联系起来

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新研究论文探讨了Transformer中的旋转位置嵌入（RoPE）如何非均匀地使用频率，并提出了一个以数据为中心的解释。研究表明，RoPE频率的选择是为了与训练数据的相对距离结构对齐，最优频率与数据诱导的依赖性剖面的宽度成反比。这一原理有助于解释语言模型中涌现的频率使用，并与长度泛化相关联，在长度泛化中，降低频率可以提高性能，当依赖性近似于训练时结构的扩张时。 AI

影响 这项研究提供了对Transformer中位置编码的更深入理解，有望为长上下文任务带来更高效、更强大的模型。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了机器学习的新发现。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新研究将RoPE频率使用与训练数据结构和长度泛化联系起来

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Xinyi Wu, Siyuan Liu, Ali Jadbabaie ·

    How Data Shapes RoPE Frequency Usage: From Positional Scale Matching to Length Generalization

    arXiv:2607.07678v1 Announce Type: new Abstract: Rotary Position Embeddings (RoPE) provide transformers with a fixed grid of positional frequencies, yet trained models use these frequencies highly non-uniformly. We study what determines this frequency usage and propose a data-cent…

  2. arXiv cs.LG TIER_1 English(EN) · Ali Jadbabaie ·

    How Data Shapes RoPE Frequency Usage: From Positional Scale Matching to Length Generalization

    Rotary Position Embeddings (RoPE) provide transformers with a fixed grid of positional frequencies, yet trained models use these frequencies highly non-uniformly. We study what determines this frequency usage and propose a data-centered explanation: RoPE frequencies are selected …

相关实体

相关话题