FANformer:融合傅里叶分析网络的大语言模型基础架构

本文涉及的产品
实时计算 Flink 版,1000CU*H 3个月
实时数仓Hologres,5000CU*H 100GB 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
简介: 近期大语言模型(LLM)的基准测试结果显示,OpenAI的GPT-4.5在某些关键评测中表现不如规模较小的模型,如DeepSeek-V3。这引发了对现有LLM架构扩展性的思考。研究人员提出了FANformer架构,通过将傅里叶分析网络整合到Transformer的注意力机制中,显著提升了模型性能。实验表明,FANformer在处理周期性模式和数学推理任务上表现出色,仅用较少参数和训练数据即可超越传统Transformer。这一创新为解决LLM扩展性挑战提供了新方向。

近期大语言模型(LLM)的基准测试结果引发了对现有架构扩展性的思考。尽管OpenAI推出的GPT-4.5被定位为其最强大的聊天模型,但在多项关键基准测试上的表现却不及某些规模较小的模型。DeepSeek-V3在AIME 2024评测中达到了39.2%的Pass@1准确率,在SWE-bench Verified上获得42%的准确率,而GPT-4.5在这两项基准测试上的得分分别仅为36.7%和38%。

DeepSeek-V3与其他LLM的性能对比(数据来源:ArXiv研究论文《DeepSeek-V3 Technical Report》)

GPT-4.5与其他OpenAI模型的性能对比(数据来源:OpenAI博客文章《Introducing GPT-4.5》)

这一现象促使研究者思考:现有的LLM架构是否需要根本性的改进以实现更高水平的扩展性能?

研究人员最近提出的FANformer架构为这一问题提供了一个可能的解决方案。该架构通过将傅里叶分析网络(Fourier Analysis Network, FAN)整合到Transformer的注意力机制中,形成了一种创新的模型结构。实验数据显示,随着模型规模和训练数据量的增加,FANformer始终表现出优于传统Transformer架构的性能。特别值得注意的是,拥有10亿参数的FANformer模型在性能上超过了同等规模和训练量的开源LLM。

本文将深入探讨FANformer的工作原理及其架构创新,分析使其在性能上超越传统Transformer的关键技术要素。

傅里叶分析网络基础

标准深度神经网络(MLP)在捕获和建模训练数据中的大多数模式方面表现良好,但在处理数据中的周期性模式时存在明显的不足。由于实际数据中通常包含隐含的周期性特征,这一局限性会影响传统神经网络的学习效率。

下图展示了一个典型案例,即使在充足的训练资源条件下,Transformer也难以有效地对简单的mod函数进行建模。

傅里叶分析网络(FAN)通过将傅里叶分析原理直接整合到神经网络结构中,有效解决了这一问题。如下图所示,相较于MLP、KAN和Transformer,FAN能够更准确地对周期性sin函数进行建模。

FAN层可通过以下数学公式表示:

其中:

  • X为输入数据
  • W(p)W(p̄)为可学习的投影矩阵
  • B(p̄)为偏置项
  • σ表示非线性激活函数
  • ||表示向量连接操作

与MLP层应用简单的线性变换后进行非线性激活不同,FAN层明确地将周期性变换(正弦和余弦函数)与线性变换和非线性激活相结合,从而增强了捕获数据中周期性模式的能力。

下图展示了MLP和FAN层在架构和数学表达上的差异:

MLP和FAN层的架构差异对比(数据来源:ArXiv研究论文《FAN: Fourier Analysis Networks》)

MLP和FAN层的数学表达差异(数据来源:ArXiv研究论文《FAN: Fourier Analysis Networks》)

FANformer的注意力机制设计

当前主流的LLM基于仅解码器的Transformer架构。FANformer通过从FAN借鉴周期性捕获原理,并将其应用于Transformer架构的注意力机制,形成了一种称为注意力-傅里叶(ATtention-Fourier, ATF)模块的新型结构。

对于长度为

l

的输入序列

s = {s(1), s(2), ..., s(l)}

,首先将其映射为输入嵌入

X(0) = {x(1), x(2), ..., x(l)}

。该嵌入通过模型的多个层处理,最终获得输出

X(N)

,其中

N

为模型的总层数。

具体而言,每一层的处理过程如下:

给定输入嵌入

X

,其傅里叶变换表示计算为:

注意,此转换使用经过修改的

FANLayer'

,其中原始

FANLayer

公式中的激活函数

σ

被替换为恒等函数

σ(x) = x

随后,通过线性变换计算查询(Q)、键(K)和值(V):

其中

W(Q)

W(K)

W(V)

为可学习权重矩阵,分别用于计算查询(Q)、键(K)和值(V)。

接下来,使用傅里叶变换后的Q、K和V计算缩放点积注意力:

其中

d(h)

为模型的隐藏维度。

值得注意的是,

ATF(X)

在数学上等价于

Attention(FANLayer′(X))

,这意味着傅里叶变换并不改变注意力机制本身,而是改变了输入表示的计算方式。这种设计使FANformer能够与FlashAttention等高级注意力优化技术兼容。

多头ATF机制实现

注意力模块进一步扩展为多头结构,类似于传统的多头注意力机制。对于给定输入

X

,首先使用ATF模块将其投影到

k

个独立的注意力头:

对于第

i

个注意力头:

  • W(Q)(i)W(K)(i)W(V)(i)为每个头计算查询(Q(i))、键(K(i))和值(V(i))的可学习权重矩阵,计算如下:
  • d(k)为使用k个注意力头时每个头的维度,计算为d(k) = d(h) / k,其中d(h)为模型的隐藏维度。

所有注意力头的输出经过连接后,通过输出权重矩阵(

W(O)

)进行线性变换:

FANformer的整体架构如下图所示:

与传统多头注意力对比,传统机制中的查询、键和值直接从输入嵌入计算,而不经过任何傅里叶变换处理:

传统多头注意力机制,其中Q、K、V通过每个头的可学习权重矩阵直接从输入嵌入X计算(数据来源:研究论文《Attention Is All You Need》)

多头ATF的伪代码实现如下:

参数

p

作为一个超参数,控制输入

X

通过周期性(

X_p

)与非周期性分量(

X_p̄

)处理的比例,遵循

FANLayer'

公式。在实验中,

p

默认设置为0.25。

FANformer的层级结构

FANformer通过堆叠

N

个FANformer层构建,每层包含:

  • 一个多头ATF(注意力-傅里叶)模块
  • 一个前馈网络(FFN)模块

多头ATF输出基于前述公式计算:

每层的处理采用预归一化(Pre-Norm)策略处理输入(

X(n)

),并将原始输入添加到从

MultiHeadATF

计算的输出中:

随后前馈网络(FFN)模块对

Y(n)

进行转换:

其中FFN采用SwiGLU激活函数:

其中

W(1)

W(2)

W(3)

为可学习权重矩阵,⊗表示元素级乘法操作。

FANformer性能评估

研究人员通过将ATF模块集成到开源LLM OLMo中构建FANformer,并以OLMo作为基准Transformer模型进行比较。实验使用从OLMo的训练数据集Dolma中采样的tokens,预训练了不同规模的FANformer模型。

模型规模扩展性分析

在模型规模扩展实验中,FANformer在所有参数规模上始终优于标准Transformer,且仅使用标准Transformer 69.2%的参数即可达到相当的性能水平。

研究还评估了一个名为

Transformer + ATM

的FANformer变体,该变体使用MLP层替代FAN层。结果显示,其扩展曲线与标准Transformer非常接近,这表明周期性捕获能力的架构改进是FANformer性能提升的关键因素。

进一步的实验表明,FANformer仅需使用比标准Transformer少20.3%的训练数据即可达到相当的性能水平。

下游任务性能评估

FANformer-1B的零样本(zero-shot)性能与7个相似规模/训练量的开源LLM在8个下游任务基准上进行了对比,这些基准包括:

  • ARC-C和ARC-E(高级推理)
  • BoolQ(布尔问题回答)
  • HellaSwag(常识推理完成)
  • OBQA(开放书籍问题回答)
  • PIQA(物理推理)
  • SCIQ(科学问题回答)
  • WinoGrande(共指消解)

实验结果表明,FANformer-1B在较少训练数据条件下持续优于其他同等参数规模的LLM。特别值得注意的是,FANformer-1B的性能与当前10亿参数级别最先进的LLM之一Qwen2.5-1.5B相当。

研究还将FANformer与从DeepSeek-R1提炼出的模型R1-Distill-Qwen1.5B进行了对比。结果显示,尽管后者在推理任务上表现优异,但在大多数非推理常识任务上无法超越FANformer,这凸显了预训练过程的重要性,并表明模型提炼技术本身不足以确保下游任务上的全面性能优势。

FANformer-1B与其他同等级开源LLM在下游任务上的零样本性能对比

训练动态分析

在训练初期阶段,FANformer的损失下降速度相对较慢,可能是因为模型尚未有效识别数据中的周期性模式。然而,随着训练进行,FANformer的收敛速度超过了标准Transformer。

指令遵循能力评估

预训练的FANformer-1B模型在tulu-3-sft-olmo-2-mixture数据集上进行了监督微调(SFT),形成FANformer-1B-SFT。同样,OLMo的10亿参数版本OLMo-1B-SFT也在相同数据集上进行了监督微调。

这些模型在以下四个基准上进行了评估:

  • MMLU(通用知识和推理能力)
  • TruthfulQA(回答真实性和信息性)
  • AlpacaEval(指令遵循质量)
  • ToxiGen(有害内容过滤能力)

评估结果再次表明,FANformer-1B-SFT在MMLU、AlpacaEval和TruthfulQA基准上的性能优于OLMo-1B-SFT。

FANformer-1B和OLMo-1B的评估结果对比。对于MMLU、AlpacaEval和TruthfulQA,数值越高表示性能越好;对于ToxiGen,数值越低表示性能越好。

数学推理能力分析

2024年的一项研究表明,基于Transformer的LLM主要通过基于案例的推理解决数学问题,即记忆训练数据中的特定示例,并在推理过程中通过寻找相似案例进行泛化。这与基于规则的推理不同,后者涉及学习潜在数学规则并系统性地应用这些规则来解决问题。

基于案例的推理与基于规则的推理对比(数据来源:ArXiv研究论文《Case-Based or Rule-Based: How Do Transformers Do the Math?》)

为分析FANformer的数学推理机制,研究人员对OLMo-1B和FANformer-1B在两种数学任务上进行了评估:

  • 模加法:求解c = (a + b) mod 113,其中a, b ∈ [0, 112]
  • 线性回归:求解c = a + 2b + 3,其中a, b ∈ [0, 99]

评估采用留方块法(leave-square-out):从训练集中移除一个方形区域的数据点,并在剩余数据上训练模型,确保模型未接触到该方形区域。随后在测试阶段评估模型对这些未见数据点的预测能力。

实验显示,两种架构在训练数据集上都达到了接近完美的准确率。然而,在测试数据上,Transformer表现出明显的性能下降。

Transformer在留方块测试中表现出"黑洞"现象,即在未见过的数据上准确率接近零,这证实了它可能未能有效应用基于规则的推理来解决数学问题。

相比之下,FANformer的测试结果显著不同。在测试图中未观察到明显的"黑洞"现象,这表明FANformer能够学习并应用解决问题的数学规则,从而实现更好的泛化性能。

FANformer和Transformer在模加法和线性回归任务上的性能对比

总结

FANformer通过将周期性捕获能力显式编码到深度神经网络架构中,实现了相较于传统Transformer架构的显著性能提升。尽管仍需更全面的实验验证,但FANformer已展现出在未来大规模语言模型中的应用潜力。在相同参数规模和训练资源条件下,FANformer能够提供更高的性能和更强的泛化能力,特别是在涉及周期性模式和数学推理的任务中。这种架构创新为解决大语言模型的扩展性挑战提供了一种有前景的新方向。

论文:

https://avoid.overfit.cn/post/1b2f515689d947fc9aae9d22f41b506f

目录
相关文章
|
13天前
|
数据采集 运维 数据可视化
AR 运维系统与 MES、EMA、IoT 系统的融合架构与实践
AR运维系统融合IoT、EMA、MES数据,构建“感知-分析-决策-执行”闭环。通过AR终端实现设备数据可视化,实时呈现温度、工单等信息,提升运维效率与生产可靠性。(238字)
|
5月前
|
机器学习/深度学习 自然语言处理 数据可视化
基于图神经网络的自然语言处理:融合LangGraph与大型概念模型的情感分析实践
本文探讨了在企业数字化转型中,大型概念模型(LCMs)与图神经网络结合处理非结构化文本数据的技术方案。LCMs突破传统词汇级处理局限,以概念级语义理解为核心,增强情感分析、实体识别和主题建模能力。通过构建基于LangGraph的混合符号-语义处理管道,整合符号方法的结构化优势与语义方法的理解深度,实现精准的文本分析。具体应用中,该架构通过预处理、图构建、嵌入生成及GNN推理等模块,完成客户反馈的情感分类与主题聚类。最终,LangGraph工作流编排确保各模块高效协作,为企业提供可解释性强、业务价值高的分析结果。此技术融合为挖掘非结构化数据价值、支持数据驱动决策提供了创新路径。
291 6
基于图神经网络的自然语言处理:融合LangGraph与大型概念模型的情感分析实践
|
5月前
|
小程序 前端开发
2025商业版拓展校园圈子论坛网络的创新解决方案:校园跑腿小程序系统架构
校园跑腿小程序系统是一款创新解决方案,旨在满足校园配送需求并拓展校友网络。跑腿员可接单配送,用户能实时跟踪订单并评价服务。系统包含用户、客服、物流、跑腿员及订单模块,功能完善。此外,小程序增设信息咨询发布、校园社区建设和活动组织等功能,助力校友互动、经验分享及感情联络,构建紧密的校友网络。
144 1
2025商业版拓展校园圈子论坛网络的创新解决方案:校园跑腿小程序系统架构
|
5月前
|
人工智能 监控 安全
NTP网络子钟的技术架构与行业应用解析
在数字化与智能化时代,时间同步精度至关重要。西安同步电子科技有限公司专注时间频率领域,以“同步天下”品牌提供可靠解决方案。其明星产品SYN6109型NTP网络子钟基于网络时间协议,实现高精度时间同步,广泛应用于考场、医院、智慧场景等领域。公司坚持技术创新,产品通过权威认证,未来将结合5G、物联网等技术推动行业进步,引领精准时间管理新时代。
|
24天前
|
JSON 供应链 监控
1688商品详情API技术深度解析:从接口架构到数据融合实战
1688商品详情API(item_get接口)可通过商品ID获取标题、价格、库存、SKU等核心数据,适用于价格监控、供应链管理等场景。支持JSON格式返回,需企业认证。Python示例展示如何调用接口获取商品信息。
|
3月前
|
机器学习/深度学习 数据采集 算法
贝叶斯状态空间神经网络:融合概率推理和状态空间实现高精度预测和可解释性
本文将BSSNN扩展至反向推理任务,即预测X∣y,这种设计使得模型不仅能够预测结果,还能够探索特定结果对应的输入特征组合。在二元分类任务中,这种反向推理能力有助于识别导致正负类结果的关键因素,从而显著提升模型的可解释性和决策支持能力。
222 42
贝叶斯状态空间神经网络:融合概率推理和状态空间实现高精度预测和可解释性
|
18天前
|
存储 人工智能 关系型数据库
阿里云AnalyticDB for PostgreSQL 入选VLDB 2025:统一架构破局HTAP,Beam+Laser引擎赋能Data+AI融合新范式
在数据驱动与人工智能深度融合的时代,企业对数据仓库的需求早已超越“查得快”这一基础能力。面对传统数仓挑战,阿里云瑶池数据库AnalyticDB for PostgreSQL(简称ADB-PG)创新性地构建了统一架构下的Shared-Nothing与Shared-Storage双模融合体系,并自主研发Beam混合存储引擎与Laser向量化执行引擎,全面解决HTAP场景下性能、弹性、成本与实时性的矛盾。 近日,相关研究成果发表于在英国伦敦召开的数据库领域顶级会议 VLDB 2025,标志着中国自研云数仓技术再次登上国际舞台。
117 0
|
2月前
|
机器学习/深度学习 人工智能 Java
Java 技术支撑下 AI 与 ML 技术融合的架构设计与落地案例分析
摘要: Java与AI/ML技术的融合为智能化应用提供了强大支持。通过选用Deeplearning4j、DJL等框架解决技术适配问题,并结合Spring生态和JVM优化提升性能。在金融风控、智能制造、医疗影像等领域实现了显著效果,如审批效率提升3倍、设备停机减少41%、医疗诊断延迟降低80%。这种技术融合推动了多行业的智能化升级,展现了广阔的应用前景。
156 0
|
3月前
|
存储 边缘计算 数据处理
面向智能医疗的边缘计算与云计算融合架构的设计与实现
边缘+云混合部署架构正在为AIoT与医疗领域带来前所未有的技术变革。通过这种架构,能够实现对海量数据的实时处理和深度分析,提升业务响应速度和效率,同时在保障数据安全的基础上,优化系统的可扩展性和可靠性。随着技术的发展,边缘+云架构的应用场景将愈发广泛,未来必将在更多领域内发挥巨大的潜力。
|
6月前
|
人工智能 供应链 调度