归一化技术在大模型中起到稳定训练、加速收敛的关键作用。
🏗️ 归一化方法
1️⃣ LayerNorm
原理：对特征维度归一化
公式：
LayerNorm(x)=
σ
2
+ϵ
x−μ
⋅γ+β
应用：Transformer标准配置
2️⃣ RMSNorm
原理：去除均值计算，仅使用方差
公式：
RMSNorm(x)=
RMS(x)
x
⋅γ
优点：计算更高效
应用：LLaMA、RWKV
3️⃣ Pre-norm vs Post-norm
Pre-norm：归一化在残差连接前
Post-norm：归一化在残差连接后
趋势：现代模型倾向Pre-norm
📊 对比分析
方法
计算量
稳定性
现代应用
LayerNorm
高
高
标准Transformer
RMSNorm
中
高
LLaMA、RWKV
Pre-norm
-
更高
现代架构
