概述
線性注意力以隨序列長度線性縮放的數學技巧取代了 Transformers 中的二次 softmax 注意力。 Performer 是一種具有里程碑意義的方法，它使用隨機特徵內核來近似 softmax，使得非常長的序列在計算上是可以承受的。
線性注意力和執行者核心是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。
深入探討
標準 Transformer 注意力計算每對標記之間的分數，花費的時間和記憶體隨著序列長度的平方 (O(n^2)) 增長。線性注意力重寫了計算，因此成本僅線性增長 (O(n))。關鍵觀念：softmax注意力是softmax(QK^T)V，但如果用核心特徵圖phi取代softmax，你會得到phi(Q)(phi(K)^T V)。由於矩陣乘法是關聯的，因此您首先計算 phi(K)^T V （一個小的 d×d 矩陣），完全避免了巨大的 n×n 分數矩陣。 Performer，來自 2020 年的 Google，使用 FAVOR+（透過正正交隨機特徵進行快速注意力）使其成為真正的 softmax 的忠實近似，繪製隨機投影以保持內核估計的無偏和穩定。
技術洞察
Performer 的 FAVOR+ 使用正隨機特徵來近似 softmax 內核 exp(q.k)：它透過包裹在指數中的隨機高斯投影映射查詢和鍵，保證非負注意力權重並避免早期估計器的數值不穩定性。使用正交隨機特徵可以減少變異數。至關重要的是，n×n 注意力矩陣從未具體化，因此記憶體從二次下降到線性，從而支援數萬個標記的序列。
掌握線性注意力與表演者內核
線性注意力以隨序列長度線性縮放的數學技巧取代了 Transformers 中的二次 softmax 注意力。 Performer 是一種具有里程碑意義的方法，它使用隨機特徵內核來近似 softmax，使得非常長的序列在計算上是可以承受的。線性注意力和執行者核心是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。為了建立深入的理解，請將線性注意力和執行者核心視為一種操作模型，而不是單一功能：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，強大的團隊使用線性注意力和執行者核心根據可靠性和成本優化架構、資料和基礎設施選擇。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。
多年來，架構決策決定著效能和營運成本。同時，優化一個基準測試可以隱藏更廣泛的系統弱點。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
多年來，架構決策決定著效能和營運成本。
多年來，架構決策決定著效能和營運成本。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。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。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。
更好的工程選擇可以減少生產中的可靠性事故。
更好的工程選擇可以減少生產中的可靠性事故。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
處理長基因組或蛋白質序列，其中完全二次注意力會耗盡 GPU 內存
使用 Performer 風格的主幹，對很長的報告進行文檔級摘要，無需分塊
高效的長格式音訊或時間序列建模，其中序列跨越數萬個步驟
透過用線性注意力變體取代一些 softmax 層來降低長上下文聊天模型中的推理成本
實施模式
實踐中的線性注意力與表演者核
處理長基因組或蛋白質序列，其中完全二次注意力會耗盡 GPU 記憶體。
處理長基因組或蛋白質序列，其中完全二次注意力會耗盡 GPU 記憶體。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追蹤一段時間內的生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中的線性注意力與表演者核
使用 Performer 風格的主幹，對很長的報告進行文檔級摘要，無需分塊。
使用執行者風格的主幹，對很長的報告進行文檔級摘要，無需分塊。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追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的線性注意力與表演者核
高效的長格式音訊或時間序列建模，其中序列跨越數萬個步驟。
高效的長格式音訊或時間序列建模，其中序列跨越數萬個步驟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追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的線性注意力與表演者核
透過用線性注意力變體取代一些 softmax 層來降低長上下文聊天模型中的推理成本。
透過用線性注意力變體替換一些 softmax 層來降低長上下文聊天模型中的推理成本當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪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
優化一項基準測試可以隱藏更廣泛的系統弱點。
基礎設施和維護成本常常被低估。
隨著系統變得更加複雜，安全性和可觀察性差距可能會擴大。
實施路線圖
在實施之前定義延遲、品質和成本目標。
在實施之前定義延遲、品質和成本目標。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。
在實際負載和資料條件下進行基準測試。
在實際負載和資料條件下進行基準測試。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。
儀器監控錯誤、漂移和使用者影響。
儀器監控錯誤、漂移和使用者影響。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。
在擴展之前準備回滾和事件回應路徑。
在擴展之前準備回滾和事件回應路徑。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。