摘要
我们证明，通过用简单的线性变换（“混合”输入标记）替代Transformer编码器中的自注意力子层，可以在几乎不损失准确率的前提下显著提升模型速度。这些线性混合器结合前馈层中的标准非线性变换，在多个文本分类任务中表现出对语义关系建模的充分能力。最令人意外的是，我们发现将Transformer编码器中的自注意力子层替换为标准且无参数的傅里叶变换（Fourier Transform），在GLUE基准测试上可达到BERT模型92%至97%的准确率，同时在标准512输入长度下，GPU训练速度提升80%，TPU训练速度提升70%。在更长的输入序列上，FNet模型的优势更加显著：与Long Range Arena基准测试中的“高效”Transformer模型相比，FNet在所有序列长度上均达到最先进模型的准确率水平，且在GPU上始终优于最快模型（在TPU上则在相对较短的序列长度上表现更优）。此外，FNet具有轻量级的内存占用，在小模型规模下尤为高效；在固定的速度与准确率预算下，小型FNet模型的表现优于相应的Transformer模型。