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
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
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: Differential Transformer V2 20 มกราคม 2026 https://new.nat6.net/th/news/cmoegbhak009uslxxazhwpcva/