Phần dư Attention

Một trang HTML độc lập duy nhất minh họa bằng ảnh động sự pha loãng theo chiều sâu của PreNorm, các truy vấn giả của Full AttnRes và phép tính hai giai đoạn của Block AttnRes, kèm công thức KaTeX.

Loading preview...
Bắt đầu với lời nhắc này

Bài giải thích hoạt ảnh về sự pha loãng theo chiều sâu, Full AttnRes và cơ chế tính toán hai pha của Block AttnRes, kèm công thức KaTeX và điều chỉnh tốc độ.

Tạo phiên bản tiếng Trung

Cùng các hoạt ảnh và công thức đó, nhưng được trình bày thành bài giải thích tiếng Trung tự nhiên.

Dùng thử Deep Research
Xây dựng bằng tiếng Anh một bài giải thích tương tác trong một tệp duy nhất cho bài báo Attention Residuals. Dành cho độc giả có nền tảng học sâu: trước tiên, minh họa bằng hoạt ảnh vấn đề pha loãng theo chiều sâu của việc tích lũy phần dư PreNorm (độ lớn trạng thái ẩn tăng theo chiều sâu và các lớp đầu bị pha loãng); sau đó giải thích Full AttnRes, trong đó một pseudo-query có thể học được thực hiện attention trên mọi đầu ra của các lớp trước với trọng số softmax; cuối cùng chuyển sang Block AttnRes với cơ chế tính toán hai pha (phần dư thông thường trong một block, attention giữa các block), rồi khép lại bằng so sánh chi phí bộ nhớ và giao tiếp. Hiển thị công thức bằng KaTeX (dùng văn bản LaTeX thô nếu CDN gặp lỗi), có điều hướng giữa các phần, tốc độ hoạt ảnh có thể điều chỉnh, bố cục học thuật gọn gàng, và một tệp HTML độc lập duy nhất hoạt động ngoại tuyến.
Chuyển sang attention tuyến tính

Giữ dạng hoạt ảnh ba hồi nhưng giải thích Mamba và attention tuyến tính thay vào đó.

Dùng thử Deep Research
Xây dựng một bài giải thích tương tác bằng tiếng Anh trong một tệp duy nhất về bài báo Attention Residuals của nhóm Kimi. Dành cho độc giả có nền tảng học sâu: trước tiên, minh họa bằng hoạt ảnh vấn đề pha loãng theo chiều sâu của Tích lũy phần dư PreNorm (độ lớn trạng thái ẩn tăng theo chiều sâu và các lớp đầu bị pha loãng), sau đó giải thích Full AttnRes, trong đó một truy vấn giả có thể học được attention lên toàn bộ đầu ra của các lớp trước bằng trọng số softmax, và cuối cùng đi đến Block AttnRes với phép tính hai giai đoạn (phần dư thông thường trong một khối, attention giữa các khối), kết thúc bằng so sánh về chi phí bộ nhớ và giao tiếp. Hiển thị công thức bằng KaTeX (dùng văn bản LaTeX thô nếu CDN gặp lỗi), có điều hướng giữa các phần, tốc độ hoạt ảnh có thể điều chỉnh, bố cục học thuật gọn gàng, và một tệp HTML độc lập duy nhất hoạt động ngoại tuyến.
Thêm các điểm kiểm tra trắc nghiệm

Thêm các bài kiểm tra ngắn ở cuối mỗi phần, tự động quay lại ảnh động tương ứng khi trả lời sai.

Dùng thử Deep Research
Tạo một bài giải thích tương tác bằng tiếng Anh trong một tệp duy nhất cho bài báo Attention Residuals của đội ngũ Kimi. Dành cho độc giả có nền tảng deep learning: trước tiên, minh họa bằng ảnh động vấn đề pha loãng theo chiều sâu của việc tích lũy phần dư PreNorm (độ lớn trạng thái ẩn tăng theo chiều sâu và các lớp đầu bị pha loãng), sau đó giải thích Full AttnRes, trong đó một truy vấn giả có thể học được attention lên toàn bộ đầu ra của các lớp trước bằng trọng số softmax, và cuối cùng đi đến Block AttnRes với phép tính hai giai đoạn (phần dư thông thường trong một khối, attention giữa các khối), khép lại bằng so sánh chi phí bộ nhớ và giao tiếp. Hiển thị công thức bằng KaTeX (dùng văn bản LaTeX thô nếu CDN gặp lỗi), có điều hướng giữa các phần, tốc độ ảnh động có thể điều chỉnh, bố cục học thuật gọn gàng, một tệp HTML độc lập duy nhất hoạt động ngoại tuyến.