今天，AI圈被一個驚天「翻車」刷屏了。

谷歌大腦的NLP奠基之作、提出Transformer架構(gòu)的開山鼻祖級論文 《Attention Is All Your Need》 中的圖，被網(wǎng)友扒出與代碼并不一致。

論文地址：https://arxiv.org/abs/1706.03762

自2017年問世以來，Transformer已經(jīng)成為AI領(lǐng)域的基石王者。就連大紅大紫的ChatGPT真正的幕后大佬也是它。

2019年，谷歌還專門為它申請了專利。

歸宗溯源，現(xiàn)在各類層出不窮的GPT（Generative Pre-trained Transformer），都起源于這篇17年的論文。

據(jù)Google Scholar，截止目前，這篇奠基之作已有7萬多次的引用。

所以，ChatGPT的奠基石都不穩(wěn)了？

作為「開山鼻祖」的論文，結(jié)構(gòu)圖竟是錯的？

Lightning AI創(chuàng)始人、機器學(xué)習(xí)研究者Sebastian Raschka發(fā)現(xiàn)，這篇論文中Transformer的圖是錯誤的。

圖中被圈出的地方，LayerNorms是在注意力和全連接層之后。在殘差塊之間放置層歸一化，會導(dǎo)致輸出層附近參數(shù)的預(yù)期梯度很大。

而且，這也與代碼不一致。

代碼地址：https://github.com/tensorflow/tensor2tensor/commit/f5c9b17e617ea9179b7d84d36b1e8162cb369f25#diff-76e2b94ef16871bdbf46bf04dfe7f1477bafb884748f08197c9cf1b10a4dd78e

不過有網(wǎng)友指出，Noam shazeer在幾周后對代碼進(jìn)行了糾正。

隨后，Sebastian稱，在論文Layer Normalization in the Transformer Architecture中，Pre-LN表現(xiàn)得更好，可以解決梯度問題。

這是很多或者大多數(shù)架構(gòu)在實踐中所采用的，但它可能導(dǎo)致表征崩潰。

如果層歸一化在注意力和全連接層之前被放置在殘差連接之中，就會實現(xiàn)更好的梯度。

Sebastian提出，雖然關(guān)于使用Post-LN或Pre-LN的討論仍在進(jìn)行中，但也有一篇新論文提議把二者結(jié)合起來。

論文地址：https://arxiv.org/abs/2304.14802

在這種雙殘差Tranformer中，表征崩潰和梯度消失的問題都得到了解決。

網(wǎng)友熱議

針對論文中的疑點，有網(wǎng)友指出：中間不是已經(jīng)有了PreLN和PostLN了嗎？

Sebastian回答說，自己也覺得有點奇怪。或許2nd LN指的是最后一個輸出層，而不是每個transformer塊，但他對此也不確定。

有網(wǎng)友表示：「我們經(jīng)常遇到與代碼或結(jié)果不匹配的論文。大多數(shù)就是出于錯誤，但有時也會讓人很奇怪。而這篇論文已經(jīng)流傳甚久了，為什么這種問題此前從沒被人提出過，這真的很奇怪?！?/span>

Sebastian表示，公平地講，最原始的代碼是和圖片一致的，但他們在2017年修改了代碼版本，卻沒有更新圖片。所以，這很令人困惑。

有網(wǎng)友表示，已經(jīng)有論文在NormFormer中展示了一個不太復(fù)雜的架構(gòu)，而他的團(tuán)隊最近也證實了他們的結(jié)果。而ResiDual論文沒有在任何地方提到NormFormer，這讓人很驚訝。

同時，評論區(qū)不斷出現(xiàn)網(wǎng)友證實：Transformers中使用的LN，與CNN中使用的方式并不同。

所以，論文真的存在漏洞，還是烏龍事件？

讓我們靜觀后續(xù)。