研究人员开发了一种新的代数分解理论，用于精确刻画 Transformer 类语言模型在训练长度之外的更长序列上的泛化能力。该理论解决了经典 Krohn-Rhodes 分解理论的局限性，该理论因基本构建块的差异而不足以理解 Transformer 的长度泛化。新方法将分解理论推广到无限群，从而实现了一个用于正则语言成员资格的多项式时间决策算法。实验证实了该理论在预测 Transformer 行为方面的准确性。 AI
影响 为理解和改进 Transformer 的长度泛化能力提供了理论基础。
排序理由 学术论文，详细介绍了用于 AI 模型泛化能力的新理论框架。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- C*-RASP
- Hugging Face
- Krohn-Rhodes decomposition theory
- Regular languages of star height one
- syntactic monoid
- Transformer++
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
