导读

北大在《MoH: Multi-Head Attention as Mixture-of-Head Attention》论文种提出Mixture-of-Head Attention (MoH) 新型Transformer 大模型注意力机制，将多头注意力与混合专家结构 (MoE) 相结合，使每个token 能够自适应地选择最相关注意力头，从而在不增加参数数量情况下提高推理效率和模型性能，并在ViT、DiT和LLMs 等不同大模型架构上均取得了显著效果。

MoH

核心看点：

1. 动态注意力头路由机制：MoH 将注意力头视为MoE 框架中的专家，并使用路由器为每个token 选择最相关Top-K 注意力头，类似于MoE 选择最相关专家来处理输入。这种动态路由机制允许模型根据每个token 上下文自适应地选择最合适的注意力头，从而减少了计算量，提高了模型效率和性能。

2. 加权求和：MoH 将标准多头注意力中求和操作替换为加权求和，其中每个注意力头输出都乘以一个路由分数，其中路由分数由路由器生成，反映了每个注意力头对当前token 重要性，这种加权求和方式赋予了注意力机制更大的灵活性，并进一步提高了模型性能。

3. 共享注意力头：为了捕捉不同上下文之间的共同知识，MoH 引入了一组共享注意力头，推理时这些注意力头始终处于激活状态。共享注意力头可以学习到一些通用特征减少冗余，如语言模型中语法规则，从而提高模型泛化能力。为了平衡共享和路由注意力头，还引入了两阶段路由，路由分数由两部分组成，1）每个头根据token 计算得到的分数，2）不同头类型关联的分数，这部分单独一次计算得到共享和路由2 部分，此外也借鉴了MoE 架构引入了平衡loss 去避免token 都路由到了少量专家。

4. 预训练模型微调：除了从头开始训练 MoH 模型之外，只需要几步还可以将预训练多头注意力模型继续微调成MoH 模型，1）确定共享注意力头：选择每层前16 个头作为共享头，2）添加路由器：使用无参数路由器，根据查询向量L2 范数计算路由分数，3）量化路由分数：将路由分数量化为0 或 1，4）使用直通估计器：反向传播梯度。这种方法可以大大提高 MoH 模型的适用性，因为它可以利用预训练模型的强大表示能力。

总结

MoH 是一种很有前景的注意力机制，它在不增加参数数量的情况下提高了模型性能和效率，通过将多头注意力与 MoE 相结合，MoH 实现了动态的注意力头选择和加权求和，从而更好地利用了不同注意力头的特性。

引用：

1. MoH: Multi-Head Attention as Mixture-of-Head Attention：https://arxiv.org/pdf/2410.11842v1

相关阅读：

1. 何恺明异构Transformer 能为机器人训练指明方向吗？

2. 看完红杉资本探讨AI 发展几点总结

3. 阿里云Qwen 2 登顶背后不可错过的几点总结

4. 揭秘两张RTX 3090卡微调70B 大模型的背后

5. 看完极客公园对话李开复几点总结和思考

零基础入门AI大模型

今天贴心为大家准备好了一系列AI大模型资源，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

有需要的小伙伴，可以点击下方链接免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

5.免费获取

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码或者点击以下链接都可以免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》