attention_linear — LLMCORE `attend` op

• データ種: tokens × tokens × tokens → tokens

• 呼び出し: import fullseye as fs; fs.ledger.attention_linear(query, key, value, causal: 'bool' = False) -> 'np.ndarray' (実装を直接呼ぶなら import llmcore; llmcore.attention_linear(query, key, value, causal: 'bool' = False) -> 'np.ndarray'、台帳から引くなら opsllmcore.get("attention_linear"))

使い方

softmax を外した注意 → tokens。(QKᵀ)V == Q(KᵀV) —— 結合則そのもの。

Katharopoulos ら 2020。softmax を外すと行列積の結合則が使え、(T, T) を作らずに

(d, dv) の状態だけで足りる。同じ数の別の括り方なので答えは一致し(相対差 7.1e-16)、

計算量は O(T²d) から O(Td²) に移る —— 交差点は T == d(実測: T=d=64 で比 0.9、

T=1024 で 14.6 倍)。★T を 2048 にしても比は 14.4 で頭打ちになる。式が言う 32 倍には

届かない —— 二次の側が帯域律速に入るから。

Args:

query: (T, d) float。

key: (S, d) float。

value: (S, dv) float。`causal=True` では S == T。

causal: True なら「自分より前だけ」を累積状態で足す(逐次 1 回で線形時間)。

Returns:

tokens (T, dv) float: softmax を通していないので行和 1 の凸結合ではない。

`attention_softmax` の代わりではなく、別の注意。

詳しい使い方ガイド

• llmcore ファミリガイド

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_attention_identities — py -3.11 examples/poc_attention_identities.py

型が繋がる次の op(`tokens` を入力に取れる)

rms_norm · rope_rotate · attention_scores · attention_apply · attention_softmax · attention_tiled · attention_grouped · kv_cache_decode

同カテゴリ(`attend`)

attention_softmax · attention_tiled · attention_grouped

*Provenance: llmcore.py — LLMCORE operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

attention_linear — LLMCORE attend op

使い方