架构细读:解码器周期性读取编码器最终隐状态,而非多层交叉注意力
stochasticchasm · x · 2026-09-11
- 作者细读某模型架构博客后修正了最初假设:解码器并不能在多层访问编码器的 KV cache,只是周期性读取编码器最终层状态
- 作者认为这合理:最终状态信息最丰富,且接近原始 Transformer 的设计
- 与常见的 cross attention(只 attend 编码器 KV)不同,这种做法让解码器能在自身序列上下文中直接访问编码器隐状态,作者称是好选择,并类比 MoDA 这类「允许从更早层取 KV」的方法
所属事件:DeepSeek V4.1 Flash 技术报告流出：死磕 KV cache 压缩(44 条相关)→
「研究」频道最新
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27
- EMNLP 论文 GENIE:细粒度度量 LLM 故事的「新意」究竟在哪 — gregd_nlp · 2026-10-27
- hash n-gram 值嵌入助力 12×1024 GPT 刷新 30M 纪录至 3.2115 — RobertTLange · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27