摘要

我们提出了 Performers，这是一种新型的 Transformer 架构，能够在无需依赖任何先验假设（如稀疏性或低秩性）的前提下，以可证明的精度近似常规的 softmax 全秩注意力 Transformer，同时仅需线性（而非二次）的空间与时间复杂度。为近似 softmax 注意力核函数，Performers 引入了一种新颖的快速注意力方法——正交随机特征快速注意力（Fast Attention Via positive Orthogonal Random features，简称 FAVOR+）。该方法在可扩展核方法领域可能具有独立的研究价值。此外，FAVOR+ 还可用于高效建模超出 softmax 范围的可核化注意力机制。这种强大的表征能力使得我们首次能够在大规模任务上准确比较 softmax 注意力与其他核函数的表现，而这些任务超出了传统 Transformer 的处理能力范围，从而有助于探索最优的注意力核函数。Performers 是一种完全线性的架构，与标准 Transformer 完全兼容，并具备坚实的理论保障：能够无偏或近乎无偏地估计注意力矩阵，实现统一收敛性，并保持较低的估计方差。我们在一系列多样化的任务上对 Performers 进行了测试，涵盖从像素预测、文本建模到蛋白质序列建模等多个领域。实验结果表明，Performers 在性能上与现有的其他高效稀疏与稠密注意力方法相当，充分展示了其所采用的新型注意力学习范式在实际应用中的有效性。