元宇宙里掀起回憶殺？這波虛擬懷舊營銷主打一個(gè)極限反差
來源：首席品牌官從被稱為“元宇宙元年”的2021年開始，幾乎所有品牌都在迫不及待地“入駐”元宇宙。而一提及品牌們的元宇宙玩法，相信多數(shù)人腦海里首先浮現(xiàn)
10 月 9 日消息，科技媒體 marktechpost 昨日（10 月 8 日）發(fā)布博文，報(bào)道稱谷歌公司推出了選擇性注意力（Selective Attention）方法，可以提高 Transformer 架構(gòu)模型的性能。
Transformer 架構(gòu)簡介Transformer 是一種革命性的神經(jīng)網(wǎng)絡(luò)架構(gòu)，由谷歌在 2017 年提出，主要用于處理序列數(shù)據(jù)，特別是在自然語言處理（NLP）領(lǐng)域。
Transformer 的核心是自注意力機(jī)制，允許模型在處理輸入序列時(shí)捕捉詞與詞之間的關(guān)系，讓模型能夠關(guān)注輸入序列中的所有部分，而不僅僅是局部信息。
Transformer 由多個(gè)編碼器和解碼器組成。編碼器負(fù)責(zé)理解輸入數(shù)據(jù)，而解碼器則生成輸出。多頭自注意力機(jī)制使模型能夠并行處理信息，提高了效率和準(zhǔn)確性。
Transformer 架構(gòu)模型挑戰(zhàn)Transformer 架構(gòu)的一大挑戰(zhàn)是它們?cè)谔幚黹L文本序列時(shí)效率低下，由于每個(gè)標(biāo)記與序列中的每個(gè)其他標(biāo)記都相互作用導(dǎo)致二次復(fù)雜度，這就導(dǎo)致隨著上下文長度的增加，計(jì)算和內(nèi)存需求呈指數(shù)增長。
現(xiàn)在解決這一問題的方法包括稀疏注意力機(jī)制（sparse attention mechanisms），它限制了標(biāo)記之間的交互數(shù)量，以及通過總結(jié)過去信息來減少序列長度的上下文壓縮技術(shù)。
不過這種方法是通過減少在注意力機(jī)制中考慮的標(biāo)記數(shù)量達(dá)成的，因此通常以性能為代價(jià)，可能會(huì)導(dǎo)致上下文關(guān)鍵信息丟失。
谷歌新方法谷歌研究的研究人員提出了一種名為選擇性注意的新方法，可以動(dòng)態(tài)忽略不再相關(guān)的標(biāo)記，從而提高 Transformer 模型的效率。
選擇性注意力使用軟掩碼矩陣來確定每個(gè)標(biāo)記對(duì)未來標(biāo)記的重要性，減少對(duì)不重要標(biāo)記的關(guān)注。
研究表明，配備選擇性注意的 Transformer 架構(gòu)模型在多個(gè)自然語言處理任務(wù)中表現(xiàn)出色，同時(shí)顯著降低了內(nèi)存使用和計(jì)算成本。
例如，在擁有 1 億參數(shù)的 Transformer 模型中，注意力模塊的內(nèi)存需求在上下文大小為 512、1024 和 2048 個(gè) tokens 時(shí)分別減少至 1/16、1/25 和 1/47。所提方法在 HellaSwag 基準(zhǔn)測(cè)試中也優(yōu)于傳統(tǒng) Transformer，對(duì)于較大的模型規(guī)模實(shí)現(xiàn)了高達(dá) 5% 的準(zhǔn)確率提升。
選擇性注意力允許構(gòu)建更小、更高效的模型，在不損害準(zhǔn)確性的情況下，顯著減少內(nèi)存需求。
附上參考地址
Selective Attention Improves Transformer
This AI Paper from Google Introduces Selective Attention: A Novel AI Approach to Improving the Efficiency of Transformer Models
本文鏈接：http://www.rrqrq.com/showinfo-45-8696-0.htmlAI 架構(gòu) Transformer 再進(jìn)化：谷歌新方法突破長文本處理，注意力模塊內(nèi)存需求可降至 1 47
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：[email protected]
上一篇： 僅靠微軟無法滿足激增的 AI 計(jì)算需求，OpenAI 被曝和甲骨文合作
下一篇： 消息稱 Kimi AI 助手內(nèi)測(cè)深度推理功能，月之暗面有團(tuán)隊(duì)國慶加班 7 天 3 倍工資
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請(qǐng)聯(lián)系：[email protected] 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)