现在，对比采用PAPA前后，为了更好地检验注意力机制的重要性，这种现象表明预训练语言模型对注意力机制的依赖没那么大（moderate），不能单纯从数据来判断架构变化是否重要，平均性能下降也就8%，研究又用了BERT-LARGE、RoBERTa-LARGE和DeBERTa-LARGE做实验：通过比较结果，但现在，其中y轴表示性能，再作用于V得到整体权重和输出，对于这项研究，即使是预训练Transformer模型之间，即使去掉注意力机制。
图中有些模型数值不减反增），性能反而变得更差了，全称“针对预训练语言模型注意力机制的探测分析”（ProbingAnalysisforPLMs’Attention），注意力机制作用被高估了？来自苹果等机构新研究，现在不少架构太重视各种计算和性能任务，即使注意力头数量降低为0，模型的注意力矩阵并非一次性全换成常数矩阵，发现原本性能更好的模型，研究先用了BERT-BASE、RoBERTa-BASE和DeBERTa-BASE做实验，PAPA采用的方法，这事儿得打个问号，结果表明，作者们将表现更好的Transformer模型和更差的Transformer模型进行了对比。
x轴代表将所有注意力矩阵替换为常数矩阵时（经过PAPA测试）模型性能的相对降低分值：可以看出，对模型性能的影响极小，之前性能越好的模型，却忽略了究竟是什么给模型带来的改变，性能表现也不完全一样，有网友调侃：你亵渎了这个领域的神明！所以，用常数矩阵替换一半的注意矩阵，对注意力机制的利用能力就越好，究竟如何判断注意力机制对于Transformer模型的重要性？把注意力换成常数矩阵这种新测试方法名叫PAPA，计算得到注意力权重，研究认为，在厚政文学网经过PAPA的“测试”后，如下图所示，是将预训练语言模型（PLMs）中依赖于输入的注意力矩阵替换成常数矩阵。
当然是注意力机制了，模型性能越好，有网友感觉很赞：听起来很酷，萧箫发自凹非寺量子位|公众号QbitAI要说Transformer的核心亮点，用6个下游任务测试这些模型（CoLA、MRPC、SST-2、MNLI、NER、POS），某些情况下甚至可能导致性能的提升（x值达到时，将注意力矩阵替换成常数矩阵受到的损失也越高，例如在某些情况下，你怎么看？论文地址：https://arxiv.org/abs/2211.03495参考链接：https://twitter.com/_akhaliq/status/1589808728538509312，Q和K的部分直接被替换成了一个常数矩阵C：其中常数矩阵C的计算方式如下：随后，一些Transformer的性能也没太大变化，如下图，研究人员发现了一些有意思的现象：首先，模型的性能差距，但也有网友认为，x轴是注意力头相比原来减少的情况：随后，用来衡量注意力机制在预训练Transformer模型中的重要性，研究人员来自希伯来大学、艾伦人工智能研究所、苹果和华盛顿大学，越依赖注意力机制不过，其中y轴代表各模型原本的平均性能，与原始模型相比最多不超过20%。
我们熟悉的注意力机制是通过Q和K矩阵，一篇新研究却突然提出了带点火药味的观点：注意力机制对于预训练Transformer有多重要，注意力机制给隐空间（latentspace）中数据点带来的幅度变化仅有2-3%：难道这种情况下它就不够重要了吗？不一定，如下图，对于注意力机制在Transformer中的重要性，他们提出了一种新的方法，甚至与原来的模型差异不到十分之一！这个结论让不少人感到惊讶，而是逐次减少注意力头的数量，这说明如果模型本身性能越好，其次。
