Transformer خالٍ من انتباه المنتج النقطي

نُقدّم نموذج "الانتباه المنتج النقطي الحر (DAFT)"، وهو نسخة فعّالة من نماذج المحولات (Transformers) [citep{transformer}، والتي تُزيل عملية الضرب النقطي بين الاستعلام (query) والهدف (key) في آلية الانتباه الذاتي. الفكرة الأساسية تكمن في بناء خريطة انتباه قابلة للتحليل لكل بعد من أبعاد الاستعلام والهدف والقيمة. وتتيح هذه الخصائص التراكيبية (compositionality) إمكانية تنفيذ النموذج دون الحاجة إلى حساب أو تخزين تمثيل مصفوفة الانتباه بشكل صريح. تتميز طبقة DAFT بتعقيد ذاكرة خطي بالنسبة لكل من حجم السياق (context size) وعدد أبعاد الميزات، مما يجعلها متوافقة مع المدخلات الكبيرة والمقاييس الكبيرة للنموذج. كما نقدّم DAFT-conv، وهي صيغة مُعدّلة للنموذج تستفيد من خاصية المحلية (locality) ومشاركة الأوزان المكانية (spatial weight sharing) مع الحفاظ على الاتصال العالمي. أجرينا تجارب على تصنيف ImageNet-1K، بالإضافة إلى مهام النمذجة التسلسلية (autoregressive modeling) على CIFAR10 وEnwik8. ونُظهر أن DAFT يحقق أداءً تنافسيًا على جميع المعايير، مع تحقيق كفاءة ممتازة في الوقت نفسه.