Transformer理论扩展至包含前馈网络

研究人员开发了Transformer的扩展动力学理论，将前馈网络（FFN）纳入为局部转向场。该新理论表明，FFN的切向分量对于在残差方向空间中的移动至关重要，并且具有小换向器缺陷的层可以并行化。对GPT-2、Pythia、Mistral和Llama模型的实验表明，该扩展理论提高了单步角度预测的准确性，并且FFN的贡献在Llama 3-8B等后期模型中有所增加。干预实验证实，切向FFN分量对于维持模型质量和输出多样性至关重要。 AI

影响 提供了对Transformer架构更深入的理论理解，可能指导未来的模型开发和优化。

排序理由 该集群包含一篇研究论文，详细介绍了理解Transformer模型的新理论框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• feed-forward network
• GPT-2
• Llama
• Llama 3-8B
• Pythia
• Transformer

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →