Transformer开山论文惊天「翻车」？图与代码不一致，神秘bug看傻了

【导读】图与代码不一致的论文，很「常见」，不过提出了Transformer的开山鼻祖论文，竟然也出现了同样的错误？

今天，AI圈被一个惊天「翻车」刷屏了。

谷歌大脑的NLP奠基之作、提出Transformer架构的开山鼻祖级论文 《Attention Is All Your Need》 中的图，被网友扒出与代码并不一致。

论文地址：https://arxiv.org/abs/1706.03762

自2017年问世以来，Transformer已经成为AI领域的基石王者。就连大红大紫的ChatGPT真正的幕后大佬也是它。

2019年，谷歌还专门为它申请了专利。

归宗溯源，现在各类层出不穷的GPT（Generative Pre-trained Transformer），都起源于这篇17年的论文。

据Google Scholar，截止目前，这篇奠基之作已有7万多次的引用。

所以，ChatGPT的奠基石都不稳了？

作为「开山鼻祖」的论文，结构图竟是错的？

Lightning AI创始人、机器学习研究者Sebastian Raschka发现，这篇论文中Transformer的图是错误的。

图中被圈出的地方，LayerNorms是在注意力和全连接层之后。在残差块之间放置层归一化，会导致输出层附近参数的预期梯度很大。

而且，这也与代码不一致。

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

不过有网友指出，Noam shazeer在几周后对代码进行了纠正。

随后，Sebastian称，在论文Layer Normalization in the Transformer Architecture中，Pre-LN表现得更好，可以解决梯度问题。

这是很多或者大多数架构在实践中所采用的，但它可能导致表征崩溃。

如果层归一化在注意力和全连接层之前被放置在残差连接之中，就会实现更好的梯度。

Sebastian提出，虽然关于使用Post-LN或Pre-LN的讨论仍在进行中，但也有一篇新论文提议把二者结合起来。

论文地址：https://arxiv.org/abs/2304.14802

在这种双残差Tranformer中，表征崩溃和梯度消失的问题都得到了解决。

网友热议

针对论文中的疑点，有网友指出：中间不是已经有了PreLN和PostLN了吗？

Sebastian回答说，自己也觉得有点奇怪。或许2nd LN指的是最后一个输出层，而不是每个transformer块，但他对此也不确定。

有网友表示：「我们经常遇到与代码或结果不匹配的论文。大多数就是出于错误，但有时也会让人很奇怪。而这篇论文已经流传甚久了，为什么这种问题此前从没被人提出过，这真的很奇怪。」

Sebastian表示，公平地讲，最原始的代码是和图片一致的，但他们在2017年修改了代码版本，却没有更新图片。所以，这很令人困惑。

有网友表示，已经有论文在NormFormer中展示了一个不太复杂的架构，而他的团队最近也证实了他们的结果。而ResiDual论文没有在任何地方提到NormFormer，这让人很惊讶。

同时，评论区不断出现网友证实：Transformers中使用的LN，与CNN中使用的方式并不同。

所以，论文真的存在漏洞，还是乌龙事件？

让我们静观后续。