attention_weights — LLMCORE `score` op

• データ種: attnmap → attnmap

• 呼び出し: import fullseye as fs; fs.ledger.attention_weights(scores, mask=None, window=None) -> 'np.ndarray' (実装を直接呼ぶなら import llmcore; llmcore.attention_weights(scores, mask=None, window=None) -> 'np.ndarray'、台帳から引くなら opsllmcore.get("attention_weights"))

使い方

行ごとの softmax(マスクつき)→ attnmap。行和は 1、mask 位置は厳密に 0。

行ごとに最大値を引いてから指数を取る。これは飾りではない —— 引かずに `exp` すると

スコアが大きいとき全行が inf/NaN になる(実測: 96 行中 96 行)。引けば 0 行。

Args:

scores: (T, T) float の生スコア(`attention_scores` の出力)。

mask: None(全対)/ `"causal"(下三角)/ "window"(幅 window` の因果窓)/

(T, T) の bool 配列。True が「見てよい」。

window: `mask="window"` のときの窓幅(自分を含む個数)。

Returns:

attnmap (T, T) float: 各行が確率分布(和 1)。mask が False の位置は厳密に 0。

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(`attnmap` を入力に取れる)

attention_apply

同カテゴリ(`score`)

attention_scores · attention_apply

*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_weights — LLMCORE score op

使い方