יום ראשון, 4 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.LG ·

תצפית מסוקללת של משקלי ה-Transformer: שדות סקאלה של שורות ועמודות

A Mesoscopic View of Transformer Weights Through Row and Column Scale Fields
במאמר זה, החוקרים חקרו את המשקלים של ה-Transformer ברמה מסוקללת, וגילו כי שדות הסקאלה של שורות ועמודות מציגים תבניות תפקודיות. הם גם גילו כי השדות האלה נשמרים במהלך הלמידה, ושהם יכולים לשמש כקוארדינטות לעקוב אחר ולבדוק את המבנה של המשקלים.
תקציר מקורי באנגליתarXiv:2609.35852v1 Announce Type: new Abstract: Pooled statistics of Transformer weights obscure how magnitude is distributed across functional channels, while individual weights are too numerous to compare directly. We study the mesoscopic level between them: row and column scale fields, the median-centred log-RMS profiles of a weight matrix over its channels, which together with a global scale and a full balanced core represent the matrix exactly. Across public Pythia checkpoints at four sizes and controlled runs from three initialization families, balancing reveals similar measured core magnitude profiles. A mixture bridge, with its form fixed before the analysis and its coefficients fitted, predicts the pooled-shape departure from field width on held-out runs and data arms of the contr
קרא במקור המקורי