Dulmar
RMSNorm waa lakabka caadiga ah ee khafiifka ah kaas oo dib u miisaamaya dhaqdhaqaaqa xididkooda celcelis ahaan labajibbaaran, iyo lakabka hore ee caadiga ah ee meelaha ka hormaraya sublayer kasta halkii uu ka dambayn lahaa. Si wada jir ah waxay u sameeyaan transformers qoto dheer u tababaran si xasilan oo aan lahayn khiyaamo kulul.
RMSNorm iyo Pre-Layer Caadiyan waa dhisme farsamo oo saameeya tayada moodeelka, kharashka kaabayaasha, daahitaanka, iyo isku halaynta cabirka.
quusitaanka qoto dheer
Heerka LayerNorm wuxuu kala gooyaa celceliska wuxuuna u qaybiyaa isbedbeddelka caadiga ah ee guud ahaan vector sifada, ka dibna wuxuu dabaqaa cabbir la bartay iyo isbeddel. RMSNorm, oo ay soo bandhigeen Zhang iyo Sennrich sanadka 2019, waxay hoos u dhigaysaa dhexdhexaadnimada iyo eexda gebi ahaanba: waxay si fudud u qaybisaa vector kasta xididka celceliska curiyeheeda waxayna ku dhufataa faa'iido muuqaal kasta oo la bartay. Tani waxay meesha ka saaraysaa hal tiro-koob iyo hawlgalo dhawr ah, iyada oo la jarayo xisaabinta qiyaas ahaan 10-50% lakabka caadiga ah iyada oo la mid ah saxnaanta. Si gooni ah, meelaynta 'Pre-LN' (caadi ka hor feejignaanta/MLP, oo leh waddo nadiif ah oo hareeraheeda ah) waxay ilaalinaysaa cabbirka jaangooyooyinka bilowga ah, marka moodooyinka sida GPT-3, LLAMA, iyo PaLM tareenka iyada oo aan la jabsanayn heerka-kululaynta heerka waxbarashada kaas oo beddelka Post-LN asalka u baahan yahay.
Aragtida Farsamada
Halbeegga x ee cabbirka d, RMSNorm wuxuu xisaabiyaa x_i * g_i / sqrt ((1/d) * wadarta (x_j^2) + epsilon), halkaasoo g uu yahay faa'iido la bartay. Ma jiro kala goyn dhexdhexaad ah iyo eex. Sababtoo ah qulqulka hadhaaga ah ee ku jira xannibaadda Pre-LN wuxuu dhaafayaa caadinimada, dariiqa aqoonsiga ayaa ah mid aan la taaban oo jaangooyooyinku waxay si toos ah uga qulqulayaan wax soo saarka ilaa gelinta, taas oo ah sababta xirmooyinka aadka u qoto dheer ay isugu yimaadaan.
Hagaajinta RMSNorm iyo Caadiga Lakabka Kahor
RMSNorm waa lakabka caadiga ah ee khafiifka ah kaas oo dib u miisaamaya dhaqdhaqaaqa xididkooda celcelis ahaan labajibbaaran, iyo lakabka hore ee caadiga ah ee meelaha ka hormaraya sublayer kasta halkii uu ka dambayn lahaa. Si wada jir ah waxay u sameeyaan transformers qoto dheer u tababaran si xasilan oo aan lahayn khiyaamo kulul. RMSNorm iyo Pre-Layer Caadiyan waa dhisme farsamo oo saameeya tayada moodeelka, kharashka kaabayaasha, daahitaanka, iyo isku halaynta cabirka. Si loo dhiso faham qoto dheer, ula dhaqan RMSNorm iyo Pre-Layer Caadiyan sidii qaab hawleed, ma aha hal sifo: qeex natiijooyinka la rabo, cadee fikradaha, oo kala saar waxa nidaamku si kalsooni leh u qaban karo iyo waxa wali u baahan go'aan khabiir.
Ficil ahaan, kooxaha xoogga leh ee isticmaalaya RMSNorm iyo Pre-Layer Normalization waxay wanaajiyaan qaab dhismeedka, xogta, iyo doorashooyinka kaabayaasha lidka ku ah isku halaynta iyo qiimaha. Waxay diiwaangeliyaan shuruudaha guusha ee cad, tijaabiyaan xogta dhabta ah iyo qulqulka shaqada, waxayna ku celceliyaan ku saleysan qaababka guul darrida ee la arkay halkii ay hal mar ku guuleysan lahaayeen halbeegyada. Tani waa halka fahamka aragtida uu isu beddelo karti waara oo dhan badeecada, siyaasadda, iyo hawlgallada.
Go'aamada qaab-dhismeedku waxay horseedaan waxqabadka iyo kharashka hawlgalka sannadaha. Isla mar ahaantaana, hagaajinta hal bartilmaameed waxay qarin kartaa daciifnimada nidaamka ballaaran. Habka ugu adkeysi badan waa in la isku daro xawaaraha tijaabada iyo anshaxa maamulka: socodsiinta duuliyayaasha, qabashada caddaynta, daabacaadda go'aanka, iyo si joogto ah u cusboonaysii ilaalinta sida habdhaqanka moodeelka, filashada isticmaale, iyo shuruudaha sharciyaynta.
Saamaynta Istiraatijiyadeed
Go'aamada qaab-dhismeedku waxay horseedaan waxqabadka iyo kharashka hawlgalka sannadaha.
Go'aamada qaab-dhismeedku waxay horseedaan waxqabadka iyo kharashka hawlgalka sannadaha. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Waxbarashada farsamada waxay ka caawisaa kooxaha inay doortaan xidhmo sax ah, ma aha oo kaliya kan ugu cusub.
Waxbarashada farsamada waxay ka caawisaa kooxaha inay doortaan xidhmo sax ah, ma aha oo kaliya kan ugu cusub. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Doorashooyinka injineernimada ee wanaagsan waxay yareeyaan shilalka la isku halleyn karo ee wax soo saarka.
Doorashooyinka injineernimada ee wanaagsan waxay yareeyaan shilalka la isku halleyn karo ee wax soo saarka. Hawlgelinta tayada sare leh, tan waxaa loo tarjumaa shuruuc hawleed la cabbiri karo, xuduudaha lahaanshaha, iyo caadooyinka dib u eegista soo noqnoqda si kooxuhu ay u cabbiraan kalsoonida halkii ay ka saari lahaayeen madmadowga.
Dhaqangelinta Adduunka-dhabta ah
LLAMA, Mistral, iyo Qwen dhamaantood waxay ku beddelaan LayerNorm RMSNorm si ay u xiiraan daahitaanka calaamad kasta
Pre-LN waxay u ogolaataa moodooyinka qaabka GPT inay tababaraan iyaga oo aan lahayn kululaynta heerka waxbarashada ee 2017 ka dambeeya LN u baahan yahay
Caadiyan-QK waxay u isticmaashaa RMSNorm su'aalaha fiiro gaar ah iyo furayaasha si ay u joojiyaan saqafka inay ku qarxaan moodooyinka waaweyn
Transformers mobilada iyo geesaha waxay qaataan RMSNorm sababtoo ah hoos u dhigista celceliska iyo eexda waxay yaraynaysaa socodka xusuusta
Hababka Dhaqangelinta
RMSNorm iyo Caadi ahaan Lakabka Hore ee ficil ahaan
LLAMA, Mistral, iyo Qwen dhamaantood waxay ku bedelaan LayerNorm RMSNorm si ay u xiiraan daahitaanka calaamad kasta.
LLAMA, Mistral, iyo Qwen dhamaantood waxay ku bedelaan LayerNorm RMSNorm si ay u xiiraan daahitaanka fikradda ee calaamad kasta Kooxaha sida caadiga ah waxay helayaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u qaadida bini'aadamka ee kiisaska cirifka ah, oo la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada khaladka waqti ka dib.
RMSNorm iyo Caadi ahaan Lakabka Hore ee ficil ahaan
Pre-LN waxay u ogolaataa moodooyinka qaabka GPT inay tababaraan iyaddoo aan lahayn kululaynta heerka waxbarashada ee 2017 ka dambeeya LN u baahan yahay.
Pre-LN waxay u ogolaataa moodooyinka qaabka GPT inay tababaraan iyada oo aan la helin kulaylka heerka waxbarashada in 2017ka Post-LN loo baahan yahay kooxuhu waxay badanaa helaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u kaca bini'aadamka ee kiisaska cirifka ah, oo la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada khaladka waqti ka dib.
RMSNorm iyo Caadi ahaan Lakabka Hore ee ficil ahaan
Caadiyan-QK waxay u isticmaashaa RMSNorm su'aalaha dareenka iyo furayaasha si ay u joojiyaan saqafka inay ku qarxaan moodooyinka waaweyn.
Caadiyan-QK waxay isticmaashaa RMSNorm su'aalaha dareenka iyo furayaasha si ay u joojiyaan logitiska inay ku qarxaan moodooyinka waaweyn Kooxuhu waxay badanaa helaan natiijooyin ka wanaagsan marka ay qeexaan heerarka tayada ee hore, u hayaan dariiqa kor u kaca bini'aadamka ee kiisaska cirifka ah, oo la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada qaladka waqti ka dib.
RMSNorm iyo Caadi ahaan Lakabka Hore ee ficil ahaan
Transformers mobilada iyo geesaha waxay qaataan RMSNorm sababtoo ah hoos u dhigista celceliska iyo eexda waxay yaraynaysaa socodka xusuusta.
Transformers-yada mobilada iyo cidhifyada waxay qaataan RMSNorm sababtoo ah hoos u dhigista celceliska iyo eexda waxay yaraynaysaa taraafikada xusuusta Kooxuhu waxay badanaa helaan natiijooyin wanaagsan marka ay qeexaan heerarka tayada ee hore, waxay hayaan dariiqa kor u qaadida bini'aadamka ee kiisaska cirifka ah, waxayna la socdaan labadaba faa'iidooyinka wax soo saarka iyo kharashyada qaladka waqti ka dib.
Khatarta & Dariiqyada Ilaalada
Hagaajinta hal bartilmaameed waxay qarin kartaa daciifnimada nidaamka ballaaran.
Kaabayaasha dhaqaalaha iyo dayactirka inta badan waa la dhayalsadaa.
Nabadgelyada iyo daldaloolada u fiirsashada ayaa kori kara marka nidaamyadu noqdaan kuwo aad u adag.
Qorshe Hawleedka Dhaqangelinta
Qeex daahida, tayada, iyo bartilmaameedyada qiimaha ka hor inta aan la hirgelin.
Qeex daahida, tayada, iyo bartilmaameedyada qiimaha ka hor inta aan la hirgelin. Tallaabo kasta ula dhaqan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad soo bixidda, xidh farqiga, ka dibna balaadhi isticmaalka.
Benchmark marka la eego culeyska dhabta ah iyo xaaladaha xogta.
Benchmark marka la eego culeyska dhabta ah iyo xaaladaha xogta. Tallaabo kasta ula dhaqan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad soo bixidda, xidh farqiga, ka dibna balaadhi isticmaalka.
La socodka qalabka khaladaadka, leexashada, iyo saamaynta isticmaalaha.
La socodka qalabka khaladaadka, leexashada, iyo saamaynta isticmaalaha. Tallaabo kasta ula dhaqan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad soo bixidda, xidh farqiga, ka dibna balaadhi isticmaalka.
U diyaari dib-u-noqoshada iyo dariiqyada jawaab-celinta dhacdada ka hor inta aanad miisaan.
U diyaari dib-u-noqoshada iyo dariiqyada jawaab-celinta dhacdada ka hor inta aanad miisaan. Tallaabo kasta ula dhaqan sida albaabka caddaynta: haddii shuruudaha la buuxin waayo, hakad soo bixidda, xidh farqiga, ka dibna balaadhi isticmaalka.