【论文笔记】Token Turing Machines

🍎个人主页:小嗷犬的个人主页

🍊个人网站:小嗷犬的技术小站

🥭个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。


基本信息

标题 : Token Turing Machines
作者 : Michael S. Ryoo, Keerthana Gopalakrishnan, Kumara Kahatapitiya, Ted Xiao, Kanishka Rao, Austin Stone, Yao Lu, Julian Ibarz, Anurag Arnab
发表 : CVPR 2023
arXiv : https://arxiv.org/abs/2211.09119

摘要

我们提出了一种Token图灵机(TTM),这是一种具有记忆功能的顺序自回归Transformer模型,用于现实世界的顺序视觉理解。

我们的模型受到开创性的神经图灵机的启发,并具有一个外部记忆,由一组总结先前历史(即帧)的标记组成。

这个记忆通过在每个步骤使用Transformer作为处理单元/控制器来高效地寻址、读取和写入。

模型的记忆模块确保新的观察结果只与记忆内容(而不是整个历史)进行处理,这意味着它可以高效地处理长序列,并在每个步骤保持有限的计算成本。

我们表明,在两个现实世界的顺序视觉理解任务上,TTM优于其他替代方案,例如为长序列设计的其他Transformer模型和循环神经网络,这些任务包括从视频中在线检测时间活动以及基于视觉的机器人动作策略学习。

代码开源于:https://github.com/google-research/scenic/tree/main/scenic/projects/token_turing

方法

模型架构

模型由存储器(Memory)、读写模块和处理单元构成。

Reader

接受Memory和Inputs输入,压缩为处理单元输入所需的大小。

Writer

接受处理单元输出、Memory和Inputs输入,压缩为Memory所需的大小。

实验

主实验

TTM在Charades temporal activity detection任务上与先前SOTA方法的对比。

TTM与其他不同序列模型的对比。

消融实验

总结

我们引入了Token图灵机用于序列决策。

Token图灵机可以看作是神经图灵机的现代化,其内存读写是通过标记摘要来设计的。

它具有现代基于Transformer模型的优点,同时得益于拥有外部内存:无论历史长度如何,计算都是恒定的。

这种能力在许多序列决策和在线推理问题中尤为重要,例如机器人动作策略学习。

我们通过具有挑战性视觉输入的真实世界任务验证了其能力:即即兴表演活动定位和基于视觉的机器人动作策略学习。

相关推荐
chh5637 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval7 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi8 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿8 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方9 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI9 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP10 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷10 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考10 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI10 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具