两篇新研究论文探讨了Transformer模型的效率改进和理论基础。第一篇论文介绍了一种名为“Orthros attention”的新机制,该机制通过动态切换计算模式,将计算复杂度从二次方降低到线性,并在预填充和保持长上下文回忆方面显示出显著的加速效果。第二篇论文对Transformers中的离散时间自注意力动力学进行了渐近分析,对平衡点进行分类并研究其稳定性,揭示了与主特征向量一致的共识平衡点是主要的吸引子。 AI
影响 这些论文在Transformer的效率和理解方面提供了理论和实践的进步,可能影响未来的模型架构和性能。
排序理由 两篇在arXiv上发表的学术论文,详细介绍了Transformer模型的新方法和分析。
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Full Attention
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- linear attention
- ScienceCast
- sliding-window attention
- transformers
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →