概述
交叉注意力是一種讓一個序列查看另一個序列的機制：產生文字的解碼器可以專注於編碼器的輸入表示。這就是模型如何將它們正在生成的內容與它們所閱讀的內容連接起來，為翻譯、字幕和現代多模式系統提供動力。
交叉注意力是語言人工智慧堆疊的一部分，用於大規模閱讀、生成、分類和轉換文字和語音。
深入探討
自註意力使一個序列中的標記相互關聯；交叉注意力讓一個序列從另一個序列中獲取資訊。在 Transformer 解碼器中，每個生成步驟都會從部分產生的輸出中形成查詢，而鍵和值來自編碼器的輸出。此模型計算每個輸入元素與目前輸出位置的相關程度，並引入輸入資訊的加權混合。這就是讓翻譯解碼器在寫入每個目標單字時專注於正確的來源單字的原因。除了文字之外，交叉注意力是多模態模型中的黏合劑：文字解碼器可以專注於圖像區塊特徵，或者音訊模型可以將聲音與轉錄的單字對齊。每當兩個不同的資訊流需要融合時，交叉注意力通常是結締組織。
技術洞察
從機制上講，交叉注意力重複使用了與自註意力相同的縮放點積公式，但有一點不同：查詢來自一個序列（解碼器），鍵/值來自另一個序列（編碼器）。它將注意力權重計算為查詢鍵相似度上的 softmax，然後傳回值的加權和。由於查詢和密鑰源自不同的來源，因此兩個序列在長度、模式或語言上可能完全不同。
掌握交叉注意力
交叉注意力是一種讓一個序列查看另一個序列的機制：產生文字的解碼器可以專注於編碼器的輸入表示。這就是模型如何將它們正在生成的內容與它們所閱讀的內容連接起來，為翻譯、字幕和現代多模式系統提供動力。交叉注意力是語言人工智慧堆疊的一部分，用於大規模閱讀、生成、分類和轉換文字和語音。為了建立深入的理解，請將交叉注意力視為操作模型，而不是單一特徵：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，強大的團隊使用交叉注意力設計提示、檢索和審查循環作為一個整合的通訊系統。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
語言工作流程可以在不犧牲一致性的情況下更快地移動。同時，幻覺事實可以悄悄地進入報告、支持流程或研究成果。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
語言工作流程可以在不犧牲一致性的情況下更快地移動。
語言工作流程可以在不犧牲一致性的情況下更快地移動。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
它擴展了跨語言和溝通方式的訪問。
它擴展了跨語言和溝通方式的訪問。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
團隊可以花更多時間進行判斷，而自動化則可以處理重複。
團隊可以花更多時間進行判斷，而自動化則可以處理重複。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
在神經機器翻譯中，解碼器交叉處理來源單詞，為每個輸出單字選擇正確的翻譯。
穩定擴散使用交叉注意力來調節文字提示上每個產生的影像區域。
像 Flamingo 這樣的視覺語言模型讓文字標記交叉參與圖像特徵以進行視覺問題回答。
語音到文字解碼器交叉參與編碼的音訊幀，以將聲音與正在轉錄的單字對齊。
實施模式
實踐中的交叉注意力
在神經機器翻譯中，解碼器交叉處理來源單詞，為每個輸出單字選擇正確的翻譯。
在神經機器翻譯中，解碼器交叉處理來源單詞，為每個輸出單字選擇正確的翻譯。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中的交叉注意力
穩定擴散使用交叉注意力來調節文字提示上每個產生的影像區域。
穩定擴散使用交叉注意力來調節文字提示上每個產生的影像區域。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中的交叉注意力
像 Flamingo 這樣的視覺語言模型讓文字標記交叉參與圖像特徵以進行視覺問題回答。
像 Flamingo 這樣的視覺語言模型讓文字標記交叉參與視覺問答的圖像特徵。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中的交叉注意力
語音到文字解碼器交叉參與編碼的音訊幀，以將聲音與正在轉錄的單字對齊。
語音到文字解碼器交叉參與編碼的音訊幀，以使聲音與正在轉錄的單字保持一致。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
幻覺的事實可以悄悄地進入報告、支持流程或研究成果。
及時的敏感性可能會在類似的請求中產生不一致的結果。
如果存取控制薄弱，敏感文字資料可能會暴露。
實施路線圖
在推出之前定義輸出格式、語氣和品質標準。
在推出之前定義輸出格式、語氣和品質標準。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
當準確性很重要時，請使用可信任來源進行地面回應。
當準確性很重要時，請使用可信任來源進行地面回應。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
為高風險輸出保留人工審查檢查點。
為高風險輸出保留人工審查檢查點。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤故障模式並定期重新訓練提示或工作流程。
追蹤故障模式並定期重新訓練提示或工作流程。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。