Knowledge Portal

aivaro.ru

  • Contents
  • Questions
  • Practice
  • Wiki
  • Tests
  • Search
✈Telegram @AetSeidhe
RUEN中文
…
Contents/Wiki/d_k

English translation is not available yet. Showing Russian content.

d_k

d_k

Определение

Размерность ключей в механизме внимания; при больших значениях (например, 128) скалярные произведения q·k имеют дисперсию d_k.

Где встречается

  • 800+ вопросов

Навигация

  • Индекс терминов
  • Индекс разборов
  • Оглавление

Теги

wikiтерминarchitecture

Обратные ссылки (12)

  • Индекс терминов
  • Как вы генерируете hard negative примеры для retrieval обучения?
  • Как вы сравниваете две LLM архитектуры не по accuracy, а по efficiency?
  • Как работает Multi-query attention (MQA) для long context?
  • Как работает attention математически (Q, K, V) и как вычислительная сложность масштабируется?
  • Как работает attention математически? Выведите формулу scaled dot-product attention.
  • Как работает forward pass LLM: от токена до вероятности следующего токена?
  • Как работает grouped-query attention (GQA) и как trade-off speed/quality?
  • Как работает prefix caching и prompt caching у провайдеров?
  • Почему в формуле attention нужно делить на √d_k? Что будет без масштабирования?
  • Что такое adversarial retrieval (атака на retrieval компонент RAG)?
  • Что такое grouped-query attention (GQA) как компромисс для long context?