第165章 重启SLRM研究 一

  忙完了这些琐事，徐辰的生活重新回归平静。

  徐辰的思绪，重新回到了那个被他暂时搁置的ai项目——laart（逻辑增强型大语言模型）。

  在去德国之前，他利用学校计算中心的资源，跑通了laart模型的第一个核心模块——slrm（符號逻辑推理模块）。那个demo虽然简陋，但却在clutrr逻辑推理数据集上，跑出了惊人的95.12%的准確率。

  这个成绩，足以让任何一个ai研究者疯狂。

  但徐辰並不满意。

  “95%……还不够。”

  徐辰坐在研究室里，盯著屏幕上那个复杂的网络结构图，眉头微蹙。

  “这只是一个『拼凑』出来的结果。gumbel-box虽然解决了梯度截断的问题，但它在高维空间中的拓扑性质，依然不够完美。”

  ……

  他想起了transformer架构的发展史。

  2017年，google brain团队提出了transformer。那是一个划时代的架构，但它並非完美无缺。

  最初的transformer，使用的是绝对位置编码。后来，人们发现这种编码方式在处理长文本时效果不佳，於是有了相对位置编码，再后来又有了旋转位置编码。

  最初的attention机制，计算复杂度是o(n^2)，隨著序列长度增加，计算量呈指数级爆炸。於是，人们发明了稀疏注意力、线性注意力、闪电注意力……

  每一个组件，都在不断的叠代中进化。

  “transformer之所以强大，是因为它的每一个组件——注意力机制、前馈网络、归一化、激活函数——虽然单独拿出来都有明確的数学定义，但当它们被堆叠成几百层、拥有几千亿参数后，它们之间的相互作用，会產生极度复杂的非线性动力学。”