论文链接:https://arxiv.org/pdf/1910.06764.pdf
1. Abstract
2. Motivation
3. Contribution
主要有两点:一个是调整了LN(layer normalization)在 Transformer Block中的位置;另一个是用 gating layer 替代了 Multi-Head Attention 和 Multi-Layer Perceptron 后接的残差层。
4. Architecture
为什么调整了LN的位置可以让训练更稳定,论文没能给出答案。下面这篇论文中给出了理论分析:
On Layer Normalization in the Transformer Architecture
https://arxiv.org/pdf/2002.04745.pdf
这个定理的结论很直接:Pre-LN Transformer 相比 Post-LN Transformer,参数的梯度多了一个根号L的正规化,从而训练更加的稳定。
对于Gating Layer,论文中尝试了几个不同的种类:
Gating Layer的引入使Tranformer自下而上的信息流接受了Gating机制的筛选。
5. Experiment
论文使用的强化学习算法是V-MPO算法(Value-based Maximum a Posteriori Policy Optimization),详见论文:
V-MPO: ON-POLICY MAXIMUM A POSTERIORI POLICY OPTIMIZATION FOR DISCRETE AND CONTINUOUS CONTROL
https://arxiv.org/pdf/1909.12238.pdf
图像Encoder 使用的是上面论文中一样的ResNet.
Transformer参数:
6. Conclusion
记忆对智能体至关重要,论文中通过对Transformer的改造,可以超越LSTM,MERLIN等记忆机制,效果还是不错的,但是对架构可以work还需更多的探究。是否有进一步的改造空间?比如每个GTrXL block 能否用一个gating layer,能否共享 The GTrXL block 的参数等。