机械之心报道
编纂：蛋酱 、听我说小舟
SVM is 个反all you need ，反对于向量机永不外时 。对于
Transformer 是向量一个反对于向量机（SVM）一种新型实际在学界激发了人们的品评辩说 。
上周末 ，听我说一篇来自宾夕法尼亚大学 、个反加州大学河滨分校的对于论文试图钻研大模子根基 Transformer 妄想的道理，其在留意力层的向量优化多少多与将最优输入 token 与非最优 token 并吞的硬领土 SVM 下场之间建树了方式等价 。
在 hackernews 上作者展现 ，听我说这种实际处置了 SVM 将每一个输入序列中的个反「好」标志与「坏」token 并吞的下场 。该 SVM 作为一个功能优异的对于 token 抉择器 ，与传统为输入调配 0-1 标签的向量 SVM 本性上差距。
这种实际也讲明了留意力若何经由 softmax 引起浓密性 ：落在 SVM 抉择规画领土过错一侧的听我说「坏」token 被 softmax 函数抑制 ，而「好」token 是个反那些最终具备非零 softmax 多少率的 token。还值患上一提的对于是 ，这个 SVM 源于 softmax 的指数性子。
论文上传到 arXiv 下面之后 ，人们纷纭宣告意见 ，有人展现 ：AI 钻研的倾向真是螺旋回升，岂非又要绕回去了？
自典型论文《Attention is All You Need》问世以来，Transformer 架构已经为做作语言处置（NLP）规模带来了革命性妨碍
。Transformer 中的留意力层接受一系列输入 token X，并经由合计 
评估 token 之间的相关性 ，其中 (K, Q) 是可磨炼的 key-query 参数 ，最终实用捉拿短途依赖关连 。
如今，一篇名为《Transformers as Support Vector Machines》的新论文在自留意力的优化多少多以及 hard-margin SVM 下场之间建树了一种方式等价，运用 token 对于的外积线性约束将最优输入 token 与非最优 token 并吞 。
论文链接 ：https://arxiv.org/pdf/2308.16898.pdf
这种方式等价建树在 Davoud Ataee Tarzanagh 等人的论文《Max-Margin Token Selection in Attention Mechanism》的根基上 ，它可能形貌经由梯度着落妨碍优化的 1 层 transformer 的隐式倾向（implicit bias） ：
(1) 优化由 (K, Q) 参数化的留意力层 ，经由消逝正则化（vanishing regularization），收敛到一种 SVM 处置妄想 ，其中最小化组合参数