อื่น ๆ

Differential Transformer V2

หัวข้อต้นฉบับ:Differential Transformer V2

สรุปโดย AI

Differential Transformer V2 เปิดตัว โดยมีแกนหลักคือกลไก differential attention ที่ปรับปรุงแล้ว เมื่อเทียบกับ V1 V2 เพิ่มจำนวน query head เป็นสองเท่าโดยคง key-value head ไม่เปลี่ยน และลดมิติหลังการดำเนินการ differential ทำให้ความเร็วในการถอดรหัสเทียบเท่า Transformer มาตรฐานโดยไม่ต้องใช้เคอร์เนลเฉพาะ เวอร์ชันใหม่ยังแก้ปัญหาความไม่เสถียรเชิงตัวเลขใน V1 ที่เกิดจากการกระจายความสนใจที่สม่ำเสมอ โดยเฉพาะการกำจัดปัจจัยสเกลขนาดใหญ่ที่จำเป็นสำหรับเลเยอร์ RMSNorm (เช่น ในลำดับยาว) จึงหลีกเลี่ยงการระเบิดของ梯度 มุ่งสู่การฝึกก่อนกำหนดขนาดใหญ่ที่เสถียรยิ่งขึ้น

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Hugging Face 社区博客(混合发现)
หมวดหมู่
อื่น ๆ
คะแนน AI
83
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

新注意力架构提升解码效率与训练稳定性,开发者可低成本集成优化模型。

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: Differential Transformer V2 20 มกราคม 2026 https://new.nat6.net/th/news/cmoegbhak009uslxxazhwpcva/

ดูทั้งหมด →