大模型基础知识

1. 位置编码

参考：让研究人员绞尽脑汁的Transformer位置编码

1.1 绝对位置编码

绝对位置编码是一种相对简单的位置编码方式，主要有如下几种方式

• 训练式：直接将位置编码当作可训练参数，如BERT、GPT等，缺点是没有外推性
• 三角式：使用三角函数进行编码，如transformer；
  • 优点：1. 有显式的生成规律，有一定的外推性；2. 由$sin(\alpha +\beta )$ 的展开式可以得到，$\alpha +\beta$的向量可以表示成$\alpha$和$\beta$向量的组合，即提供了相对位置信息。
  • 缺点：计算复杂
• 递归式：如RNN的形式，在句子后面接RNN，再输入到transformer理论上可以不用位置编码

1.2 相对位置编码

相对位置并没有建模每个输入的位置信息，而是在算Attention的时候考虑当前位置与被Attention的位置的相对距离，由于自然语言一般更依赖于相对位置，所以相对位置编码通常也有着优秀的表现。相对位置将本来依赖于二元坐标 $(i,j)$ 的向量改为只依赖于相对距离 $i-j$，并且通常来说会进行截断，所以能适配任意的距离

经典的相对位置编码比如XLNET、T5、等都是在$q_i{k}_j^T$的展开式上进行处理，如下图所示：

1.3 旋转位置编码

目前很火的LLAMA、GLM模型都采用的是旋转位置编码，和相对位置编码相比，RoPE具有更好的外推性。其基本思想是$q_m{k}_n$做点积的结果可以表示成向量 x m 、 x n x_m、x_n