模型架构

残差连接

Residual Connection

把这一层的输入直接加到输出上,让深层网络不至于训不动。

又称 Residual Skip Connection Shortcut

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

形式就是「输出 = 输入 + 这一层学到的增量」。梯度可以沿着这条捷径直接回传,几十上百层的 Transformer 才能稳定训练;同时每一层只需学一点增量,不必从头重建整份表示。

配合层归一化,它构成了 Transformer 块的基本骨架。看结构图里那条绕过注意力和 MLP 的弧线,就是它。

✦举个例子

第 12 层只在第 11 层表示上微调一点点,而不是重新算一份。

✓实战提示

读模型配置里的层数时顺带看归一化与残差结构,能大致判断训练稳定性设计。

02 什么时候会碰到它
读模型卡、选型或看论文结构时

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。

03 和这几个词怎么区分
04 接着读这几篇

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活