多头注意力缩放与per-head gain
SeunghyunSEO7 · x · 2026-07-16
在讨论多头注意力时，有人指出很多 LLM 现在其实是直接对 qproj(x) 做 qnorm，每个 head 的 q/k 并不是按 \sqrt(dhead) 去缩放。
回复里提到：1/dhead 的缩放思路来自 muP；之所以需要遵循类似 LLN 的直觉，是因为 q 和 k 一开始就可能已经对齐。另一个观点是，如果 q、k 先经过 \sqrt{dhead} gain 级别的缩放，那么它们点积会变成 dhead (qgain, kgain) cos(θ)，因此“per head gain”的设计值得再推敲。
所属事件:研究者讨论现代 LLM 的 1/d 注意力缩放(6 条相关)→
「研究」频道最新
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11