有谁能用大白话简单解释一下相对位置编码是什么意思吗？

[FlyingBackscratc]

在看深度学习的绝对位置编码和相对位置编码部分，知乎上解析文章倒是不少，但是看的云里雾里。

我理解绝对位置编码提出来是为了解决 transformer 不擅长读取顺序的问题，如果不加位置编码的话，那一个元素出现在任意位置，对计算结果的权重都是一样的，所以就加了个位置编码。

绝对位置编码实际操作上就是加个绝对数，比如规定矩阵输入长度为 10 的 1 维数据：

[0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]

然后用三角函数给各个位置单独算个数，比如:

[  0,   1,   2,   3,   4,   5,   6,   7,   8,   9]

然后直接一加得到

[0.0, 1.1, 2.2, 3.3, 4.4, 5.5, 6.6, 7.7, 8.8, 9.9]

后面的注意力就能捕捉到输入的位置信息了。

如果上面说的没错的话相对位置编码到底是干啥的，看不懂。。。

[Vanderick]

"""在 transformer 中，位置信息是去服务于“attention”去区分序列中不同位置 token：即不同 token ij 之间的前后次序以及间距"""
绝对位置编码是能缓解位置信息不足的问题，但是问题也不少啊，以你举的这个绝对位置编码之三角式为例（算是理论较优雅的了，比如一定的外推能力，一定的相对次序表达能力）：
1. 这个三角 embedding 过完 attention 后，变成 cos 的形式，无法区分 token 前后次序
2. 而且这个 cos 形式的距离表达，在过 w 、q 的 project 后也会变形冲散，无法很好的区分 token 的间距
3. 这个三角式是预定义的，非可训练参数，不够灵活

[FlyingBackscratc]

@Vanderick 外推性在有时在限制输入长度以后好像也不是那么重要。PE 理论有什么总结性的文章吗，现在业界普遍使用的是基于相对位置编码的技术？还是基于可训练位置编码的技术？？

[liangzhh25]

苏神博客里面 Transformer 升级之路系列里面有好些关于位置编码的文章，推荐看看，我也是刚学的小白。
按我的理解，绝对位置编码是给序列位置相关项，而相对位置编码是在绝对位置编码的推导下使 位置相关项 转化为 相对位置相关项。具体可以看 https://www.kexue.fm/archives/8130 的(3)式和(4)式

[FlyingBackscratc]

@liangzhh25 说实话看不懂，需要一些工程角度的直观解释

[baka009]

对一一个语言模型，假设预训练时最多见过长度为 4 的语句，且包含“三楼你好”和“你好四楼”，那么

使用绝对位置编码时，对于词语“你好”：
楼主你好：这词我认识，“你好”在 3 、4 位置，1 、2 位置是一个对象，意思是在和楼主问好
你好楼主：这词我认识，“你好”在 1 、2 位置，3 、4 位置是一个对象，意思是在和楼主问好
二楼你好：这词我认识，“你好”在 3 、4 位置，1 、2 位置是一个对象，意思是在和二楼问好
xx 楼主你好: 啥玩意？这词我认识，但是“你好”在 5 、6 位置代表什么意思啊？

使用相对位置编码训练后：
二楼你好：这词我认识，“你好”在某个两 token 对象的后面，意思是在和二楼问好
楼主你好: 这词我认识，“你好”在某个两 token 对象的后面，意思是在和楼主问好
今天楼主出门和小红约会，两人在地铁口见面后，小红说：“你好楼主。”：这词我认识，“你好”在某个两 token 对象的前面，意思是在和楼主问好。

如上所述，相对位置指的是 token 与 token 之间的相对位置，模型通过学习相对位置，能更好的捕捉局部的语义。而不会出现，“没见过，这词在这个位置是啥意思？”的情况。同时增强了模型的外推性。只用四长度语句训练后，能外推到更长的情景下。

PS ，这论坛注册完还要等好久才能回复，不然昨天就回复你了。。。

[FlyingBackscratc]

@baka009 感谢，效果很直观，确实有外推性，而且应对输入的鲁棒性更强了。不过具体工程上对数值的操作是怎样的，比如有 1234 ，四个 token 的序列输入，难道是对于所有 attention ，分别生成不同的权重？然后最后还是通过加法的方法加起来？

[baka009]

@FlyingBackscratc 吃到两个月的回复
可以看看这个文章
https://www.kexue.fm/archives/8130
相对编码 RoPE 的作者。