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