研究人员调查了Transformer架构在训练过程中查询和键的几何演变。通过在字符级WikiText-103上训练小型GPT类Transformer,他们观察到查询维度倾向于扩展,而键维度倾向于收缩。键的收缩导致QK^T的频谱变窄,注意力权重更加集中。进一步的实验证实了因果关系,即限制键的频谱会使注意力更集中,而保持其初始分散性则会使其变缓。 AI
影响 为理解Transformer注意力内部几何动力学提供了见解,可能为未来的模型设计和优化提供信息。
排序理由 该条目是一篇研究论文,详细介绍了Transformer注意力机制的研究结果。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →