כתבה
arXiv cs.LG ·
הצבה היא חינם, הרכבה לא: הריבוע הלטיני כבנייה מאוזנת לערימות מערבלי רצפים הטרוגניים
Placement Is Free, Composition Is Not: The Latin Square as a Provably-Balanced Construction for Heterogeneous Sequence-Mixer Stacks
חוקרים הציגו שיטה חדשה לבניית ערימות מערבלי רצפים הטרוגניים, המבוססת על ריבוע לטיני. השיטה מאפשרת הרכבה מאוזנת של מנגנונים שונים, ומוכיחה שההרכבה היא הגורם המשמעותי לביצועים, לא הצבה. החוקרים בדקו את השיטה במודל GPT וקיבלו תוצאות משמעותיות.
תקציר מקורי באנגליתarXiv:2609.20269v3 Announce Type: replace Abstract: Since GPT, most Transformers have repeated the same attention mechanism at every layer. Yet this design is largely a convention rather than a tested conclusion. When multiple sequence mixers are combined in one stack, improvements may arise from mechanism choice, placement, or both, making causal attribution difficult. We introduce Aether-7B-5Attn, a 6.59B-parameter mixture-of-experts model ($\approx$2.98B active) whose 49 layers contain seven sequence-mixing mechanisms arranged as a $7\times7$ Latin square. Because each mechanism appears exactly once in every row and column, the design guarantees balanced exposure across depth while eliminating placement confounds. To evaluate this principle, we build a parameter-matched proxy with four
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית