TadaoYamaoka https://blog.hatena.ne.jp/TadaoYamaoka/ TadaoYamaokaの開発日記 https://tadaoyamaoka.hatenablog.com/ dlshogi QKNorm RMSNorm 最近のLLMでは、AttentionにQKNormが使われている。 特に、RMSNormを使う実装が主流になっている。世界コンピュータ将棋の会場でnshogiの開発者と話した際に、SwiGLUとQKNormが効果があったということだった。 SwiGLUは、dlshogiでも採用して効果が高いことを確認していたが、QKNormは試していなかったので試してみた。 QKNorm Attentionの Query と Key を内積前に正規化して、attention logits のスケール暴走や softmax saturation を防ぎ、学習を安定化する手法である。 元の論文では、正規化にL2 … 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftadaoyamaoka.hatenablog.com%2Fentry%2F2026%2F05%2F20%2F213040" title="【dlshogi】QKNormを試す - TadaoYamaokaの開発日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/T/TadaoYamaoka/20260520/20260520211336.png Hatena Blog https://hatena.blog 2026-05-20 21:30:40 rich https://tadaoyamaoka.hatenablog.com/entry/2026/05/20/213040 1.0 100%