LLM Note 1
于 2024-02-20 11:53:04 首次发布
本文探讨了Transformer中的Attention层,包括原始Attention、Multi-Head Attention(MQA)、Group Query Attention(GQA)及其优化策略。还介绍了推测解码(Sampling)、重复性问题以及解决方法如Beam Search、Contrastive Search。此外,讨论了模型的hallucination现象、嵌入重叠问题和Top K、Top P、Temperature等解码策略在提高生成质量与速度上的作用。
摘要由CSDN通过智能技术生成