cari
RumahPeranti teknologiAIDengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

Mengapa transformer berprestasi begitu baik? Dari manakah datangnya keupayaan Pembelajaran Dalam Konteks yang dibawanya kepada banyak model bahasa besar? Dalam bidang kecerdasan buatan, transformer telah menjadi model dominan dalam pembelajaran mendalam, tetapi asas teori untuk prestasi cemerlangnya tidak dikaji dengan secukupnya.

Baru-baru ini, penyelidikan baharu daripada penyelidik di Google AI, ETH Zurich dan Google DeepMind telah cuba mendedahkan jawapan kepada misteri itu. Dalam penyelidikan baharu, mereka merekayasa balik pengubah dan menemui beberapa kaedah pengoptimuman. Kertas "Mengungkap algoritma pengoptimuman mesa dalam transformer": Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.
Pautan kertas: https://arxiv.org/abs/2309.05858

The pengarang membuktikan bahawa meminimumkan kerugian autoregressive umum akan berlaku di pas di hadapan pengubah Algoritma pengoptimuman berasaskan kecerunan tambahan berjalan dalam . Fenomena ini baru-baru ini dipanggil "pengoptimuman mesa." Tambahan pula, penyelidik mendapati bahawa algoritma pengoptimuman mesa yang terhasil mempamerkan keupayaan pembelajaran pukulan kecil kontekstual, bebas daripada saiz model. Oleh itu, keputusan baharu melengkapkan prinsip pembelajaran pukulan kecil yang telah muncul sebelum ini dalam model bahasa besar.

Para penyelidik percaya bahawa kejayaan Transformers adalah berdasarkan bias seni binanya dalam melaksanakan algoritma pengoptimuman mesa dalam hantaran hadapan: (i) mentakrifkan matlamat pembelajaran dalaman, dan (ii) mengoptimumkannya.

Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

                                                                                                                                                                                                                                                                                                                                                                                                                                    Sebagai urutan input s_1, . . , s_t diproses ke langkah masa t, Transformer (i) mencipta set latihan dalaman yang terdiri daripada pasangan persatuan sasaran input, (ii) mentakrifkan fungsi objektif dalaman melalui set data hasil, yang digunakan untuk mengukur prestasi model dalaman menggunakan pemberat W, (iii) Optimumkan objektif ini dan gunakan model yang dipelajari untuk menjana ramalan masa depan . . elemen urutan seterusnya. Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.
Transformer kejuruteraan terbalik secara eksperimen dilatih pada tugas pemodelan jujukan mudah dan menemui bukti kukuh bahawa hantaran hadapan mereka melaksanakan algoritma dua langkah: (i) lapisan perhatian kendiri awal melalui penanda pengumpulan dan salinan membina set data latihan dalaman, jadi set data latihan dalaman dibina secara tersirat. Tentukan fungsi objektif dalaman dan (ii) optimumkan objektif ini pada tahap yang lebih mendalam untuk menjana ramalan.

Sama seperti LLM, eksperimen menunjukkan bahawa model latihan autoregresif mudah juga boleh menjadi pelajar konteks, dan pelarasan segera adalah penting untuk meningkatkan pembelajaran konteks LLM dan juga boleh meningkatkan prestasi dalam persekitaran tertentu.

Diinspirasikan oleh penemuan bahawa lapisan perhatian cuba mengoptimumkan fungsi objektif dalaman secara tersirat, pengarang memperkenalkan lapisan mesa, jenis lapisan perhatian baharu yang boleh menyelesaikan masalah pengoptimuman kuasa dua terkecil dan bukannya hanya mengambil satu langkah kecerunan. untuk mencapai optimum. Percubaan menunjukkan bahawa satu lapisan mesa mengatasi Transformer perhatian kendiri linear dalam dan softmax pada tugas berjujukan mudah sambil memberikan lebih kebolehtafsiran.
  • Selepas eksperimen pemodelan bahasa awal, didapati bahawa menggantikan lapisan perhatian kendiri standard dengan lapisan mesa mencapai hasil yang menjanjikan, membuktikan bahawa lapisan ini mempunyai keupayaan pembelajaran kontekstual yang kuat.
  • Berdasarkan kerja baru-baru ini yang menunjukkan bahawa transformer yang dilatih secara eksplisit untuk menyelesaikan tugasan kecil dalam konteks boleh melaksanakan algoritma keturunan kecerunan (GD). Di sini, pengarang menunjukkan bahawa keputusan ini digeneralisasikan kepada pemodelan jujukan autoregresif-pendekatan tipikal untuk melatih LLM.

Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

Analisis transformer pertama yang dilatih pada dinamik linear mudah, di mana setiap jujukan dijana oleh W* yang berbeza - untuk mengelakkan hafalan jujukan silang. Dalam persediaan mudah ini, pengarang menunjukkan pengubah yang mencipta set data mesa dan kemudian menggunakan GD praproses untuk mengoptimumkan objektif mesa.
  • Kajian ini melatih pengubah dalam pada struktur token yang mengagregat unsur jujukan bersebelahan. Menariknya, prapemprosesan mudah ini menghasilkan matriks berat yang sangat jarang (kurang daripada 1% daripada pemberat adalah bukan sifar), menghasilkan algoritma kejuruteraan terbalik.

    Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

    Untuk perhatian kendiri linear satu lapisan, berat sepadan dengan satu langkah GD. Untuk transformer dalam, kebolehtafsiran menjadi sukar. Kajian ini bergantung pada probing linear dan mengkaji sama ada pengaktifan tersembunyi meramalkan sasaran autoregresif atau input praproses.

    Menariknya, kebolehramalan kedua-dua kaedah pengesanan secara beransur-ansur bertambah baik apabila kedalaman rangkaian meningkat. Dapatan ini menunjukkan bahawa GD praproses tersembunyi dalam model. Rajah 2: Kejuruteraan songsang lapisan perhatian diri linear terlatih.

    Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

    Kajian mendapati bahawa lapisan latihan boleh dipasang dengan sempurna apabila semua darjah kebebasan digunakan dalam pembinaan, termasuk bukan sahaja kadar pembelajaran yang dipelajari η, tetapi juga satu set pemberat awal yang dipelajari W_0. Yang penting, seperti yang ditunjukkan dalam Rajah 2, algoritma satu langkah yang dipelajari masih berprestasi jauh lebih baik daripada satu lapisan mesa.

    Kita dapat perhatikan bahawa di bawah tetapan berat yang mudah, adalah mudah untuk mencari melalui pengoptimuman asas bahawa lapisan ini boleh menyelesaikan tugas yang dikaji di sini secara optimum. Keputusan ini menunjukkan kelebihan bias induktif berkod keras yang memihak kepada pengoptimuman mesa.

    Dengan pandangan teori ke dalam sarung berbilang lapisan, mula-mula analisa linear dalam dan softmax hanya memberi perhatian kepada Transformer. Pengarang memformat input mengikut struktur 4 saluran,
    , yang sepadan dengan memilih W_0 = 0.

    Seperti model satu lapisan, penulis melihat struktur yang jelas dalam berat model terlatih. Sebagai analisis kejuruteraan terbalik yang pertama, kajian ini mengeksploitasi struktur ini dan membina algoritma (RevAlg-d, dengan d mewakili bilangan lapisan) yang mengandungi 16 parameter setiap pengepala lapisan (bukannya 3200). Penulis mendapati bahawa ungkapan termampat tetapi kompleks ini boleh menggambarkan model terlatih. Khususnya, ia membenarkan interpolasi antara Transformer sebenar dan pemberat RevAlg-d dalam cara yang hampir tanpa kerugian.
    Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

    Walaupun ungkapan RevAlg-d menerangkan Transformer berbilang lapisan terlatih dengan sebilangan kecil parameter percuma, adalah sukar untuk mentafsirkannya sebagai algoritma pengoptimuman mesa. Oleh itu, penulis menggunakan analisis probing regresi linear (Alain & Bengio, 2017; Akyürek et al., 2023) untuk mencari ciri-ciri algoritma pengoptimuman mesa yang dihipotesiskan.

    Pada Transformer perhatian kendiri linear dalam yang ditunjukkan dalam Rajah 3, kita dapat melihat bahawa kedua-dua probe boleh dinyahkod secara linear, dan prestasi penyahkodan meningkat dengan peningkatan panjang jujukan dan kedalaman rangkaian. Oleh itu, pengoptimuman asas menemui algoritma hibrid yang menuruni lapisan demi lapisan pada Lt (W) objektif mesa asal sambil menambah baik nombor keadaan masalah pengoptimuman mesa. Ini mengakibatkan penurunan pesat dalam mesa-objektif Lt (W). Ia juga boleh dilihat bahawa prestasi meningkat dengan ketara dengan peningkatan kedalaman.

    Oleh itu, kemerosotan pesat autoregresif mesa-objektif Lt (W) dicapai melalui pengoptimuman mesa secara berperingkat (rentas lapisan) pada data praproses yang lebih baik.建 Rajah 3: Latihan pengubah berbilang lapisan untuk input binaan kejuruteraan songsang.
    Ini menunjukkan bahawa jika transformer dilatih pada token yang dibina, ia akan meramalkan dengan pengoptimuman mesa. Menariknya, apabila unsur jujukan diberikan secara langsung, pengubah akan membina token dengan sendirinya dengan mengumpulkan elemen, yang dipanggil oleh pasukan penyelidik "membuat dataset mesa".
    Kesimpulan

    Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

    Kajian ini menunjukkan bahawa model Transformer mampu membangunkan algoritma inferens berasaskan kecerunan apabila dilatih mengenai tugas ramalan jujukan di bawah objektif autoregresif standard. Oleh itu, hasil terkini yang diperoleh dalam tetapan meta-pembelajaran berbilang tugas juga boleh dipindahkan ke tetapan latihan LLM penyeliaan kendiri tradisional.

    Selain itu, kajian mendapati bahawa algoritma inferens autoregresif yang dipelajari boleh digunakan semula untuk menyelesaikan tugas pembelajaran kontekstual yang diselia tanpa memerlukan latihan semula, menerangkan hasil dalam satu rangka kerja bersatu.

    Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

    Jadi, apakah kaitan ini dengan pembelajaran dalam konteks? Kajian ini percaya bahawa selepas melatih pengubah pada tugas jujukan autoregresif, ia mencapai pengoptimuman mesa yang sesuai dan oleh itu boleh melakukan pembelajaran konteks beberapa pukulan tanpa sebarang penalaan halus.

    Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

    Kajian ini mengandaikan bahawa pengoptimuman mesa juga wujud untuk LLM, dengan itu meningkatkan keupayaan pembelajaran konteksnya. Menariknya, kajian itu juga mendapati bahawa menyesuaikan gesaan secara berkesan untuk LLM juga boleh membawa kepada peningkatan yang ketara dalam keupayaan pembelajaran kontekstual.

    Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

    Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.

    Pembaca yang berminat boleh membaca teks asal kertas kerja untuk mengetahui lebih lanjut tentang kandungan penyelidikan.

    Kandungan rujukan:
    https://www.reddit.com/r/MachineLearning/comments/16jc2su/r_uncovering/mesathms_optimization
    https://twitter.com/ oswaldjoh/status/1701873029100241241

Atas ialah kandungan terperinci Dengan asas teori, kami boleh menjalankan pengoptimuman yang mendalam.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan
Artikel ini dikembalikan pada:机器之心. Jika ada pelanggaran, sila hubungi admin@php.cn Padam
Jurang kemahiran AI memperlahankan rantaian bekalanJurang kemahiran AI memperlahankan rantaian bekalanApr 26, 2025 am 11:13 AM

Istilah "tenaga kerja siap sedia" sering digunakan, tetapi apakah maksudnya dalam industri rantaian bekalan? Menurut Abe Eshkenazi, Ketua Pegawai Eksekutif Persatuan Pengurusan Rantaian Bekalan (ASCM), ia menandakan profesional yang mampu mengkritik

Bagaimana satu syarikat secara senyap -senyap bekerja untuk mengubah AI selama -lamanyaBagaimana satu syarikat secara senyap -senyap bekerja untuk mengubah AI selama -lamanyaApr 26, 2025 am 11:12 AM

Revolusi AI yang terdesentralisasi secara senyap -senyap mendapat momentum. Jumaat ini di Austin, Texas, Sidang Kemuncak Endgame Bittensor menandakan momen penting, beralih ke desentralisasi AI (DEAI) dari teori kepada aplikasi praktikal. Tidak seperti iklan mewah

NVIDIA Melepaskan Microservices Nemo Untuk Menyebarkan Pembangunan Agen AINVIDIA Melepaskan Microservices Nemo Untuk Menyebarkan Pembangunan Agen AIApr 26, 2025 am 11:11 AM

Perusahaan AI menghadapi cabaran integrasi data Penggunaan perusahaan AI menghadapi cabaran utama: sistem bangunan yang dapat mengekalkan ketepatan dan kepraktisan dengan terus belajar data perniagaan. Microservices NEMO menyelesaikan masalah ini dengan mewujudkan apa yang NVIDIA menggambarkan sebagai "Flywheel Data", yang membolehkan sistem AI tetap relevan melalui pendedahan berterusan kepada maklumat perusahaan dan interaksi pengguna. Toolkit yang baru dilancarkan ini mengandungi lima microservices utama: Nemo Customizer mengendalikan penalaan model bahasa yang besar dengan latihan yang lebih tinggi. NEMO Evaluator menyediakan penilaian ringkas model AI untuk tanda aras tersuai. Nemo Guardrails Melaksanakan Kawalan Keselamatan untuk mengekalkan pematuhan dan kesesuaian

AI melukis gambar baru untuk masa depan seni dan reka bentukAI melukis gambar baru untuk masa depan seni dan reka bentukApr 26, 2025 am 11:10 AM

AI: Masa Depan Seni dan Reka Bentuk Kecerdasan Buatan (AI) mengubah bidang seni dan reka bentuk dengan cara yang belum pernah terjadi sebelumnya, dan impaknya tidak lagi terhad kepada amatur, tetapi lebih mempengaruhi profesional. Skim karya seni dan reka bentuk yang dihasilkan oleh AI dengan cepat menggantikan imej dan pereka bahan tradisional dalam banyak aktiviti reka bentuk transaksional seperti pengiklanan, generasi imej media sosial dan reka bentuk web. Walau bagaimanapun, artis dan pereka profesional juga mendapati nilai praktikal AI. Mereka menggunakan AI sebagai alat tambahan untuk meneroka kemungkinan estetik baru, menggabungkan gaya yang berbeza, dan membuat kesan visual baru. AI membantu artis dan pereka mengautomasikan tugas berulang, mencadangkan elemen reka bentuk yang berbeza dan memberikan input kreatif. AI menyokong pemindahan gaya, iaitu menggunakan gaya gambar

Bagaimana Zoom merevolusikan kerja dengan Agentic AI: Dari mesyuarat ke tonggakBagaimana Zoom merevolusikan kerja dengan Agentic AI: Dari mesyuarat ke tonggakApr 26, 2025 am 11:09 AM

Zoom, yang pada mulanya dikenali untuk platform persidangan video, memimpin revolusi tempat kerja dengan penggunaan inovatif AIS AI. Perbualan baru -baru ini dengan CTO Zoom, XD Huang, mendedahkan penglihatan yang bercita -cita tinggi syarikat itu. Menentukan Agentic AI Huang d

Ancaman eksistensi ke universitiAncaman eksistensi ke universitiApr 26, 2025 am 11:08 AM

Adakah AI akan merevolusikan pendidikan? Soalan ini mendorong refleksi serius di kalangan pendidik dan pihak berkepentingan. Penyepaduan AI ke dalam pendidikan memberikan peluang dan cabaran. Sebagai Matthew Lynch dari Nota Edvocate Tech, Universit

Prototaip: saintis Amerika mencari pekerjaan di luar negaraPrototaip: saintis Amerika mencari pekerjaan di luar negaraApr 26, 2025 am 11:07 AM

Pembangunan penyelidikan dan teknologi saintifik di Amerika Syarikat mungkin menghadapi cabaran, mungkin disebabkan oleh pemotongan anggaran. Menurut Alam, bilangan saintis Amerika yang memohon pekerjaan di luar negara meningkat sebanyak 32% dari Januari hingga Mac 2025 berbanding dengan tempoh yang sama pada tahun 2024. Pungutan sebelumnya menunjukkan bahawa 75% penyelidik yang ditinjau sedang mempertimbangkan untuk mencari pekerjaan di Eropah dan Kanada. Beratus-ratus geran NIH dan NSF telah ditamatkan dalam beberapa bulan yang lalu, dengan geran baru NIH turun kira-kira $ 2.3 bilion tahun ini, setitik hampir satu pertiga. Cadangan belanjawan yang bocor menunjukkan bahawa pentadbiran Trump sedang mempertimbangkan untuk memotong belanjawan secara mendadak untuk institusi saintifik, dengan kemungkinan pengurangan sehingga 50%. Kegawatan dalam bidang penyelidikan asas juga telah menjejaskan salah satu kelebihan utama Amerika Syarikat: menarik bakat luar negara. 35

Semua Mengenai Keluarga GPT 4.1 Terbuka AI - Analytics VidhyaSemua Mengenai Keluarga GPT 4.1 Terbuka AI - Analytics VidhyaApr 26, 2025 am 10:19 AM

OpenAI melancarkan siri GPT-4.1 yang kuat: keluarga tiga model bahasa lanjutan yang direka untuk aplikasi dunia nyata. Lompat penting ini menawarkan masa tindak balas yang lebih cepat, pemahaman yang lebih baik, dan kos yang dikurangkan secara drastik berbanding t

See all articles

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Alat panas

EditPlus versi Cina retak

EditPlus versi Cina retak

Saiz kecil, penyerlahan sintaks, tidak menyokong fungsi gesaan kod

Muat turun versi mac editor Atom

Muat turun versi mac editor Atom

Editor sumber terbuka yang paling popular

MinGW - GNU Minimalis untuk Windows

MinGW - GNU Minimalis untuk Windows

Projek ini dalam proses untuk dipindahkan ke osdn.net/projects/mingw, anda boleh terus mengikuti kami di sana. MinGW: Port Windows asli bagi GNU Compiler Collection (GCC), perpustakaan import yang boleh diedarkan secara bebas dan fail pengepala untuk membina aplikasi Windows asli termasuk sambungan kepada masa jalan MSVC untuk menyokong fungsi C99. Semua perisian MinGW boleh dijalankan pada platform Windows 64-bit.

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SecLists

SecLists

SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.