情報科学 › LLM アーキテクチャ › スケーリングと文脈

注意のパターン・窓つき注意・大域トークン

定義 4.1(「スケーリングと文脈」§4)

M∈{0,1}n×nM \in \{0, 1\}^{n \times n} で、すべての ii について Mii=1M_{ii} = 1 であるものを注意のパターンといいます。パターン MM つきの注意は、位置 ii のクエリ qi\boldsymbol{q}_i、位置 jj のキー kj\boldsymbol{k}_j とバリュー vj\boldsymbol{v}_j に対して

αij={exp⁡(⟨qi,kj⟩/d)∑j′:Mij′=1exp⁡(⟨qi,kj′⟩/d)(Mij=1)0(Mij=0)出力の第 i 行=∑j:Mij=1αijvj\alpha_{ij} = \begin{cases} \dfrac{\exp(\langle \boldsymbol{q}_i, \boldsymbol{k}_j \rangle / \sqrt{d})}{\sum_{j' : M_{ij'} = 1} \exp(\langle \boldsymbol{q}_i, \boldsymbol{k}_{j'} \rangle / \sqrt{d})} & (M_{ij} = 1) \\ 0 & (M_{ij} = 0) \end{cases} \qquad \text{出力の第 } i \text{ 行} = \sum_{j : M_{ij} = 1} \alpha_{ij} \boldsymbol{v}_j

で定めます。Mii=1M_{ii} = 1 なので分母は正です。

  • Mij=1M_{ij} = 1 ならば j≤ij \le i であるとき(MM が下三角のとき)、パターンは因果的であるといいます。
  • 全注意(因果的): Mij=1  ⟺  j≤iM_{ij} = 1 \iff j \le i。
  • 幅 ww のスライディングウィンドウ注意(因果的、w≥1w \ge 1): Mij=1  ⟺  i−w<j≤iM_{ij} = 1 \iff i - w < j \le i。各位置は自分を含む直前の ww 個を見ます。
  • 大域トークン: 位置の集合 G⊂{1,…,n}\mathcal{G} \subset \{1, \ldots, n\} を選び、パターン MM を Mij′=1  ⟺  (Mij=1 または i∈G または j∈G)M'_{ij} = 1 \iff (M_{ij} = 1 \text{ または } i \in \mathcal{G} \text{ または } j \in \mathcal{G}) に広げます。すべての位置が大域トークンを見て、大域トークンはすべての位置を見ます。

本文で読む(前後の説明と例)→

閉包の状態

定義

定義は閉包の起点です(証明を要しません)。

印の意味: ✓公理まで証明済み ・ △証明あり(閉包未完)・ ※主張のみ。テーマごとの集計は 閉包の状況。

これを使っている定理

証明で明示的に参照している定理は、まだありません。

関連するノック 3 問