Embedding dan Posisi Token dalam LLM

Cara kerjanya

Setiap ID mengambil satu vektor dari tabel embedding. Tambahkan embedding posisi, sehingga token yang sama di posisi berbeda memiliki representasi masukan berbeda.

1. Lookup embedding

   Satu ID memilih satu baris dari matriks embedding terlatih; fixture ini memiliki 16 baris.

2. Lookup posisi

   GPT-2 memakai learned position embeddings. Angka posisi di sini juga lookup, bukan sinusoidal.

3. Tambahkan posisi

   Penjumlahan dilakukan elemen demi elemen. Menukar urutan mempertahankan embedding token, tetapi mengganti kontribusi posisinya.

Apa yang dapat kamu amati di lab?

Kolom cahaya adalah fitur vektor. Warna merupakan ilustrasi nilai, bukan sumbu makna yang dapat diberi nama.

Pemindai membuka catatan. Pelacak token memilih posisi token. Lensa head membandingkan dua head demo. Pengendali waktu menjeda sinyal. Kalibrator mengubah kondisi eksperimen sebelum kamu memprediksi dan menguji hasilnya.

Hal yang perlu diingat

Visualisasi memakai aliran dan fixture ilustratif. Referensi GPT-3 175B memiliki 96 blok, 96 head per blok, lebar 12.288, dan konteks 2.048 token. Paper GPT-3 memakai attention dense dan locally banded sparse bergantian; lab ini membedah causal dense attention. Workbench angka memakai model mainan dua blok, dua head, lebar 8, dan vocabulary 16. Bobot GPT-3 tidak dimuat, dan preset tidak menghasilkan jawaban dari model bahasa terlatih.

Sumber primer

• GPT-3 · Language Models are Few-Shot Learners

  Skala 175B: 96 blok, lebar 12.288, 96 head, konteks 2.048; attention dense dan locally banded sparse bergantian.

• GPT-2 · implementasi referensi

  Pre-norm, learned position, GELU, residual, dan tied embedding.

• Attention Is All You Need

  Dasar scaled dot-product dan multi-head attention.

• Word representations · Mikolov et al.

  Latar word embeddings statis dan hubungan geometris.

• KV cache · Hugging Face

  Perbedaan prefill, decode, dan pemakaian ulang K/V.