首页 > 注意力

注意力

  • Softmax注意力与线性注意力的优雅融合，AgentAttention推动注意力新升级

    来自清华大学的研究者提出了一种新的注意力范式——代理注意力 (Agent Attention)。近年来，视觉 Transformer 模型得到了极大的发展，相关工作在分类、分割、检测等视觉任务上都取得了很好的效果。然而，将 Transformer 模型应用于视觉领域并不是一件简单的事情。

  • EPSANet：计算机视觉注意力论文解读

    转载：Bestsong简介（1）Pyramid Split Attention Block用于增强特征提取（2）即插即用，可将Pyramid Split Attention Block取代ResNet的3×3卷积，提出基准网络ESPANet（3）目标分类与目标检测任务达到state-of-the-a

  • 把注意力计算丢给CPU，大模型解码吞吐量提高1.76~4.99倍

    CPU+GPU，模型KV缓存压力被缓解了。来自CMU、华盛顿大学、Meta AI的研究人员提出MagicPIG，通过在CPU上使用LSH（局部敏感哈希）采样技术，有效克服了GPU内存容量限制的问题。与仅使用GPU的注意力机制相比，MagicPIG在各种情况下提高了1.76~4.99倍的解码吞吐量，并

  • 少于两层的transformer，且只有注意力块，GPT-3：你怕不是搞事情？

    只有一层或两层、且只有注意力块的transformer，在性能上有望达到96层、兼具注意力块与MLP块的GPT-3的效果吗？作者 | Mordechai Rorvig编译 | bluemin编辑 | 陈彩娴在过去的两年里，基于Transformer架构开发的大规模语言模型在性能（如语言流畅度）上达到

  • 奥尔特曼新年发文：OpenAI开始将注意力转向“超级智能”

    财联社1月6日讯（编辑 周子意）OpenAI首席执行官Sam Altman在1月6日的最新个人博客中写道，OpenAI将有信心构建通用人工智能（AGI），并且公司已经开始将目标转向“超级智能（superintelligence）”。奥尔特曼还指出，“我们热爱现在的产品，但我们在这里是为了辉煌的未来。

  • ICML2024高分！魔改注意力，让小模型能打两倍大的模型

    改进Transformer核心机制注意力，让小模型能打两倍大的模型！ICML 2024高分论文，彩云科技团队构建DCFormer框架，替换Transformer核心组件多头注意力模块（MHA），提出可动态组合的多头注意力（DCMHA）。DCMHA解除了MHA注意力头的查找选择回路和变换回路的固定绑定

  • 17篇注意力机制PyTorch实现，包含MLP、Re-Parameter系列热门论文

    机器之心报道编辑：陈PyTorch实现各种注意力机制。注意力（Attention）机制最早在计算机视觉中应用，后来又在 NLP 领域发扬光大，该机制将有限的注意力集中在重点信息上，从而节省资源，快速获得最有效的信息。2014 年，Google DeepMind 发表《Recurrent Models

  • 无问芯穹提出混合稀疏注意力方案MoA，加速长文本生成，实现最高8倍吞吐率提升

    随着大语言模型在长文本场景下的需求不断涌现，其核心的注意力机制（Attention Mechanism）也获得了非常多的关注。注意力机制会计算一定跨度内输入文本（令牌，Token）之间的交互，从而实现对上下文的理解。随着应用的发展，高效处理更长输入的需求也随之增长 [1][2]，这带来了计算代价的挑

热门文章