יום שישי, 9 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.AI ·

קנה מידה הפוך לעומק מתוך נונליניאריות בתשומת לב

Emergent Inverse-Depth Scaling From Nonlinearity In Attention
מחקר חדש מציע כי נונליניאריות בתשומת לב מאפשרת למודלים גדולים להתמקד מקומית וללמוד כיוונים חזקים וחלשים במקביל. התוצאות מראות קנה מידה הפוך לעומק בהפסדים. מודלים כגון LLaMA ו-GPT מוזכרים במחקר.
תקציר מקורי באנגליתarXiv:2610.11063v1 Announce Type: cross Abstract: Scaling laws describe power-law improvements in model performance with dataset size and parameter count, yet their underlying mechanisms are not fully understood. To explain the parameter count scaling, existing theory posits power-law scaling with model depth. In linear-attention models, this scaling is tied to a power-law data spectrum: unable to selectively attend to relevant tokens, these models learn according to global spectral strength, with stronger directions learned before weaker ones. Large language models, however, can be strongly nonlinear. Here, we show that nonlinear attention yields inverse-depth decay of loss across all tested data spectra. Nonlinearity enables attention to focus selectively on relevant tokens, allowing str
קרא במקור המקורי