rizzearch

Дайджест по всем махинациям с аттеншном в трансформере

1. In-Context Language Learning: Architectures and Algorithms - механизм внимания точнее всех моделирует индуктивные (и н-грамм) головы, оттого и присутствует in-context phenomenon (интересно в тему и это прочитать)

2. The Hedgehog & the Porcupine: Expressive Linear Attentions with Softmax Mimicry - дистиллируем классический аттеншн в линейный наиболее прямым образом, получаем профит

3. Linear Transformers with Learnable Kernel Functions are Better In-Context Models - не отвергаем базу, а выстраиваем от нее результаты лучше

4. Leave No Context Behind: Efficient Infinite Context Transformers with Infini-attention - интересная и практичная попытка снять ограничения длины контекста (надеюсь что работает)

5. Think before you speak: Training Language Models With Pause Tokens - ллмкам на загадку жака фреско тоже требуются размышления

6. Efficient Streaming Language Models with Attention Sinks - сливаем “ненужный аттеншн” в фиктивные токены и радуемся результатам

7. Contextual Position Encoding: Learning to Count What's Important - заставляем позиционное кодирование зависеть от близости запросов и ключей, получем прямую связь позиции с контекстом

8. TransformerFAM: Feedback attention is working memory - привносим в аттеншн понятие рабочей памяти на том же уровне глубины модели (и пытаемся так аппроксимировать хидден стейт рнн)

Feel free to enjoy the papers with us!

www.group-telegram.com/cn/rizzearch.com/260

1.1K viewsedited  Jun 23, 2024 at 12:48

Дайджест по всем махинациям с аттеншном в трансформере

1. In-Context Language Learning: Architectures and Algorithms - механизм внимания точнее всех моделирует индуктивные (и н-грамм) головы, оттого и присутствует in-context phenomenon (интересно в тему и это прочитать)

2. The Hedgehog & the Porcupine: Expressive Linear Attentions with Softmax Mimicry - дистиллируем классический аттеншн в линейный наиболее прямым образом, получаем профит

3. Linear Transformers with Learnable Kernel Functions are Better In-Context Models - не отвергаем базу, а выстраиваем от нее результаты лучше

4. Leave No Context Behind: Efficient Infinite Context Transformers with Infini-attention - интересная и практичная попытка снять ограничения длины контекста (надеюсь что работает)

5. Think before you speak: Training Language Models With Pause Tokens - ллмкам на загадку жака фреско тоже требуются размышления

6. Efficient Streaming Language Models with Attention Sinks - сливаем “ненужный аттеншн” в фиктивные токены и радуемся результатам

7. Contextual Position Encoding: Learning to Count What's Important - заставляем позиционное кодирование зависеть от близости запросов и ключей, получем прямую связь позиции с контекстом

8. TransformerFAM: Feedback attention is working memory - привносим в аттеншн понятие рабочей памяти на том же уровне глубины модели (и пытаемся так аппроксимировать хидден стейт рнн)

Feel free to enjoy the papers with us!

BY rizzearch