[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,88 +2,245 @@
|
||||
id: wiki-2026-0508-nlp-attention-mechanisms
|
||||
title: NLP Attention Mechanisms
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [ATTENTION-001]
|
||||
aliases: [Attention, Self-Attention, Multi-Head Attention, Bahdanau, Luong, Flash Attention]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [ai, nlp, transformer, attention, Deep-Learning]
|
||||
confidence_score: 0.95
|
||||
verification_status: applied
|
||||
tags: [nlp, attention, transformer, deep-learning, flash-attention]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
tech_stack: { language: python, framework: pytorch }
|
||||
---
|
||||
|
||||
# NLP [[Attention Mechanisms|Attention Mechanisms]] (어텐션 메커니즘)
|
||||
# NLP Attention Mechanisms
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "중요한 것에 집중하고 나머지는 무시하라" — 문장 내의 각 단어가 다른 단어들과 어떤 연관성을 가지는지 계산하여, 맥락을 파악할 때 중요한 정보에 더 높은 가중치를 부여하는 메커니즘.
|
||||
## 매 한 줄
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 입력 시퀀스의 모든 부분 중에서 현재 처리 중인 정보와 가장 관련이 깊은 부분에 '주의(Attention)'를 기울여 가중 평균값을 계산하는 정보 추출 패턴.
|
||||
- **세부 내용:**
|
||||
- **Self-Attention:** 하나의 문장 안에서 단어들 간의 관계를 파악 (예: '그'가 가리키는 대상을 문맥 속에서 찾음).
|
||||
- **Query, Key, Value:** 정보를 찾는 주체(Query), 정보의 식별자(Key), 정보의 실질적 내용(Value)으로 데이터를 분해하여 연산.
|
||||
- **Multi-Head Attention:** 여러 개의 어텐션 루프를 병렬로 실행하여 다양한 측면(문법, 의미, 거리 등)에서 문맥 분석.
|
||||
- **Evolution:** 고정된 길이의 벡터에 정보를 압축해야 했던 기존 모델의 한계를 극복하고 트랜스포머 아키텍처의 핵심이 됨.
|
||||
**Attention**은 시퀀스 내 토큰 간 가중 의존성을 동적으로 학습하는 메커니즘으로, Bahdanau(2014) additive → Luong multiplicative → scaled dot-product → multi-head → Flash Attention 진화를 거쳐 모든 현대 LLM의 코어가 되었다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 초기에는 RNN의 보조 도구로 등장했으나, 현재는 "[[Attention is All You Need|Attention is All You Need]]"라는 논문 제목처럼 모델 아키텍처 그 자체가 됨.
|
||||
- **정책 변화:** Antigravity 에이전트는 어텐션 맵 분석을 통해 사용자의 질문에서 가장 핵심적인 키워드를 식별하고 답변의 초점을 맞춤.
|
||||
## 매 핵심
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Transformer-Architecture|Transformer-Architecture]], [[LLM|LLM]], Neural-Networks-Foundations, Mechanistic-[[Interpretability|Interpretability]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/NLP-Attention-Mechanisms.md
|
||||
### 1. Attention 일반 공식
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
```
|
||||
attention(Q, K, V) = softmax(score(Q, K)) · V
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
- score 함수가 변형의 핵심: additive vs multiplicative vs dot-product.
|
||||
- 출력은 V의 가중합, 가중치는 Q-K 유사도.
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### 2. Bahdanau (Additive, 2014)
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
```
|
||||
score(q, k) = vᵀ tanh(W_q q + W_k k)
|
||||
```
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
- MLP 기반 — 학습 파라미터 많음.
|
||||
- 작은 차원에서 더 풍부한 매칭.
|
||||
- seq2seq 번역 (RNN encoder-decoder) 출시.
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
### 3. Luong (Multiplicative, 2015)
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
```
|
||||
score(q, k) = qᵀ W k (general)
|
||||
score(q, k) = qᵀ k (dot)
|
||||
```
|
||||
|
||||
- 행렬 곱 1번 — 빠름.
|
||||
- GPU 친화적.
|
||||
|
||||
### 4. Scaled Dot-Product (Vaswani 2017, Transformer)
|
||||
|
||||
```
|
||||
Attention(Q,K,V) = softmax(QKᵀ / √d_k) V
|
||||
```
|
||||
|
||||
- √d_k로 나눠 큰 차원 softmax saturation 방지.
|
||||
- 행렬 연산 — 병렬 GPU 최적.
|
||||
- 이게 Transformer의 핵심.
|
||||
|
||||
### 5. Multi-Head Attention
|
||||
|
||||
```
|
||||
MHA(Q,K,V) = Concat(head_1, ..., head_h) W^O
|
||||
head_i = Attention(Q W^Q_i, K W^K_i, V W^V_i)
|
||||
```
|
||||
|
||||
- h개의 head가 서로 다른 sub-space에서 attention.
|
||||
- 표현력 ↑ — 한 head는 syntactic, 다른 head는 semantic.
|
||||
- 표준 h = 8, 16, 32, 64 (모델 크기 의존).
|
||||
|
||||
### 6. Self vs Cross Attention
|
||||
|
||||
- **Self**: Q=K=V (같은 시퀀스) — encoder, decoder masked.
|
||||
- **Cross**: Q from decoder, K=V from encoder — encoder-decoder bridge.
|
||||
|
||||
### 7. Causal / Masked Attention
|
||||
|
||||
- Decoder에서 미래 토큰 참조 차단 (-inf 마스크).
|
||||
- LLM autoregressive 생성 표준.
|
||||
|
||||
### 8. Positional Encoding
|
||||
|
||||
- Attention은 순서 무인지 → 위치 정보 추가 필요.
|
||||
- **Sinusoidal** (원조), **Learned**, **RoPE** (Rotary, LLaMA/현대 LLM 표준), **ALiBi**.
|
||||
|
||||
### 9. Modern: Flash Attention (Dao 2022, FA2 2023, FA3 2024)
|
||||
|
||||
- IO-aware 알고리즘: GPU SRAM 활용해 HBM 왕복 최소화.
|
||||
- 정확한 attention (근사 X) — 2-4× 빠름, 메모리 5-20× 절감.
|
||||
- 긴 컨텍스트(100K-1M token)의 게임 체인저.
|
||||
- FA2: warp-level 병렬화. FA3 (Hopper): WGMMA + async.
|
||||
|
||||
### 10. 효율 변형
|
||||
|
||||
- **MQA (Multi-Query Attention)**: KV 헤드 1개 — 추론 빠름.
|
||||
- **GQA (Grouped-Query)**: KV 헤드 그룹화 — LLaMA-2/3 표준.
|
||||
- **Sliding Window**: local attention (Mistral).
|
||||
- **Sparse / Linear / Linformer / Performer**: O(n²) → O(n log n) 또는 O(n).
|
||||
- **Ring Attention**: 분산 long-context (Gemini 2M).
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
```python
|
||||
# 1. Bahdanau additive (PyTorch)
|
||||
import torch, torch.nn as nn
|
||||
class BahdanauAttention(nn.Module):
|
||||
def __init__(self, d):
|
||||
super().__init__()
|
||||
self.W_q = nn.Linear(d, d); self.W_k = nn.Linear(d, d); self.v = nn.Linear(d, 1)
|
||||
def forward(self, q, k, v):
|
||||
# q: (B, 1, d), k/v: (B, T, d)
|
||||
score = self.v(torch.tanh(self.W_q(q) + self.W_k(k))).squeeze(-1) # (B, T)
|
||||
a = torch.softmax(score, dim=-1)
|
||||
return (a.unsqueeze(-1) * v).sum(dim=1)
|
||||
```
|
||||
|
||||
```python
|
||||
# 2. Scaled dot-product
|
||||
def scaled_dot_product(Q, K, V, mask=None):
|
||||
d_k = Q.size(-1)
|
||||
scores = (Q @ K.transpose(-2, -1)) / d_k**0.5
|
||||
if mask is not None:
|
||||
scores = scores.masked_fill(mask == 0, -1e9)
|
||||
return torch.softmax(scores, dim=-1) @ V
|
||||
```
|
||||
|
||||
```python
|
||||
# 3. Multi-head (from scratch)
|
||||
class MHA(nn.Module):
|
||||
def __init__(self, d, h):
|
||||
super().__init__()
|
||||
self.h, self.dh = h, d // h
|
||||
self.qkv = nn.Linear(d, 3*d); self.o = nn.Linear(d, d)
|
||||
def forward(self, x, mask=None):
|
||||
B, T, D = x.shape
|
||||
q,k,v = self.qkv(x).chunk(3, dim=-1)
|
||||
q,k,v = [t.view(B,T,self.h,self.dh).transpose(1,2) for t in (q,k,v)]
|
||||
out = scaled_dot_product(q,k,v,mask).transpose(1,2).reshape(B,T,D)
|
||||
return self.o(out)
|
||||
```
|
||||
|
||||
```python
|
||||
# 4. PyTorch built-in
|
||||
mha = nn.MultiheadAttention(embed_dim=512, num_heads=8, batch_first=True)
|
||||
out, attn_weights = mha(x, x, x) # self-attention
|
||||
```
|
||||
|
||||
```python
|
||||
# 5. Causal mask (decoder)
|
||||
T = 1024
|
||||
mask = torch.tril(torch.ones(T, T)).bool() # lower-tri: 1 keep, 0 mask
|
||||
```
|
||||
|
||||
```python
|
||||
# 6. Flash Attention (xformers / pytorch SDPA backend)
|
||||
import torch.nn.functional as F
|
||||
out = F.scaled_dot_product_attention(q, k, v, is_causal=True)
|
||||
# PyTorch 2.0+ 자동 Flash Attention backend
|
||||
```
|
||||
|
||||
```python
|
||||
# 7. RoPE (Rotary Position Embedding)
|
||||
def rope(x, freqs):
|
||||
# x: (..., d), freqs: (T, d/2)
|
||||
x1, x2 = x.chunk(2, dim=-1)
|
||||
cos, sin = freqs.cos(), freqs.sin()
|
||||
return torch.cat([x1*cos - x2*sin, x1*sin + x2*cos], dim=-1)
|
||||
```
|
||||
|
||||
```python
|
||||
# 8. GQA (Grouped-Query)
|
||||
class GQA(nn.Module):
|
||||
def __init__(self, d, n_q_heads, n_kv_heads):
|
||||
super().__init__()
|
||||
self.n_q, self.n_kv = n_q_heads, n_kv_heads
|
||||
self.dh = d // n_q_heads
|
||||
self.q = nn.Linear(d, n_q_heads * self.dh)
|
||||
self.k = nn.Linear(d, n_kv_heads * self.dh)
|
||||
self.v = nn.Linear(d, n_kv_heads * self.dh)
|
||||
# KV broadcast n_q / n_kv 배 반복하여 attention
|
||||
```
|
||||
|
||||
```python
|
||||
# 9. Sliding window (Mistral-style)
|
||||
def sliding_window_mask(T, window=4096):
|
||||
m = torch.tril(torch.ones(T, T))
|
||||
m = m - torch.tril(torch.ones(T, T), diagonal=-window-1)
|
||||
return m.bool()
|
||||
```
|
||||
|
||||
```python
|
||||
# 10. Visualizing attention
|
||||
import matplotlib.pyplot as plt
|
||||
attn = mha(x, x, x, need_weights=True, average_attn_weights=False)[1] # (B, h, T, T)
|
||||
plt.imshow(attn[0, 0].cpu().numpy()) # head 0
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
|
||||
| 상황 | 추천 |
|
||||
|------|------|
|
||||
| Transformer 표준 | **Scaled dot-product MHA** |
|
||||
| 긴 컨텍스트 (>32K) | **Flash Attention 2/3** |
|
||||
| 추론 속도 (LLM) | **GQA / MQA + KV cache** |
|
||||
| Local 패턴 충분 | **Sliding window (Mistral)** |
|
||||
| Encoder-decoder 번역 | **Cross attention** |
|
||||
| 작은 모델 + 작은 d | Bahdanau additive (legacy) |
|
||||
| 위치 표현 | **RoPE** (modern) / ALiBi (long ctx) |
|
||||
| 1M+ 컨텍스트 분산 | **Ring Attention** |
|
||||
|
||||
## 🔗 Graph
|
||||
|
||||
- 부모: [[Transformer Architecture]], [[Sequence Models]]
|
||||
- 변형: [[Multi-Head Attention]], [[Flash Attention]], [[Grouped-Query Attention]], [[Sliding Window Attention]]
|
||||
- 응용: [[LLM]], [[Machine Translation]], [[BERT]], [[GPT]]
|
||||
- Adjacent: [[Positional Encoding]], [[RoPE]], [[KV Cache]], [[Long Context]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
|
||||
- "이 attention map을 보고 모델이 어떤 토큰에 의존하는지 분석" — interpretability.
|
||||
- 코드에 SDPA / FlashAttention 적용 자동 리팩토링.
|
||||
- Attention 변형 비교표 생성, ablation 가이드.
|
||||
|
||||
## ❌ 안티패턴
|
||||
|
||||
- **√d_k 정규화 누락**: 큰 d에서 softmax saturation → gradient 소실.
|
||||
- **Causal mask 없는 decoder**: 미래 leak → 학습/추론 불일치.
|
||||
- **벡터화 안 한 attention 루프**: 100배 느림.
|
||||
- **MHA 추론 + KV cache 없음**: 긴 생성에서 O(n²) 재계산.
|
||||
- **Vanilla attention + 100K context**: OOM — Flash Attention 필수.
|
||||
- **Position encoding 누락**: bag-of-words처럼 동작.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
|
||||
- 검증: Vaswani(2017) "Attention is All You Need", Bahdanau(2014), Dao(2022 FlashAttention), HuggingFace docs.
|
||||
- 중복: [[Multi-Head Attention]], [[Flash Attention]] (specific) — 본 문서는 family overview.
|
||||
|
||||
## 🕓 Changelog
|
||||
|
||||
- 2026-05-10: 신규 작성. Bahdanau→Luong→SDPA→MHA→Flash→GQA/MQA/Sliding 진화 + 코드 패턴.
|
||||
|
||||
Reference in New Issue
Block a user