01 详细解释
注意力本身对顺序不敏感,必须额外注入位置信息。早期用可学习的绝对位置向量,后来发现它难以外推到训练时没见过的长度。
现在主流是相对位置方案(RoPE、ALiBi),把位置编码进 Q/K 的旋转里,天然支持长度外推,也是「模型能处理比训练更长的文本」的基础。
告诉模型「谁在前谁在后」的机制。
本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正
注意力本身对顺序不敏感,必须额外注入位置信息。早期用可学习的绝对位置向量,后来发现它难以外推到训练时没见过的长度。
现在主流是相对位置方案(RoPE、ALiBi),把位置编码进 Q/K 的旋转里,天然支持长度外推,也是「模型能处理比训练更长的文本」的基础。
厂商说「用了 GQA」「换成 MoE」「支持百万上下文」时,指的都是这一层的设计。不必会推导公式,但要知道改动影响的是显存、速度还是表达能力。