NeurIPS 2025最佳论文：Gated Attention，用极小代价换来大模型性能飞跃！-开发者社区

简介

本文介绍Qwen团队提出的Gated Attention机制，通过在Value后添加数据依赖的门控信号，解决Transformer注意力多动问题。该机制使模型能选择性关注重要信息，过滤噪音，提升数值稳定性和隐式稀疏化。参数量增加不到1%却带来显著性能提升，文章提供了完整PyTorch实现代码，是Transformer架构的重要物理修正。

你是否想过，你的 Transformer 模型可能患有“注意力多动症”？

NeurIPS 2025 最佳论文揭示，给 Attention 加一个简单的“门”，就能用极小的代价换来显著的性能提升。

本文带你拆解 Qwen 团队的 Gated Attention 机制，并附 PyTorch 实现代码。

原论文链接：

https://arxiv.org/abs/2505.06708

为什么我们需要这个“门”？

大家都知道 Transformer 的核心是 Self-Attention（自注意力机制），它的口号是“Attention is All You Need”。

但问题来了：是不是所有的 Token 都值得你去 Attention？

现在的模型就像一个患了多动症的学生，上课时窗外的鸟叫、同桌的抖腿、老师的板书，它都给予了“注意力”。这不仅浪费算力，还会引入噪音（Entropy）。

Qwen 团队这次拿奖的 Gated Attention，本质上就是给这个多动症学生戴了个降噪耳机。

一图看懂原理

传统的 Attention 只要计算了 QK^T，就必须把 Value 加进去。而 Gated Attention 在 Value 后面乘了一个由输入决定的系数 Gate。

传统 Attention 和门控 Attention 的区别对比图

图：标准 Attention 与 Qwen Gated Attention 的架构对比。右侧红色的 Gate 就像一个水龙头，控制着信息流的开关。

核心代码实现 (PyTorch)

Qwen 的改动极其优雅，甚至可以说是“简单粗暴”。他们在 V（Value）后面乘了一个门控信号 G。

这个 G 是什么？它是一个由输入自适应计算出来的（0,1）之间的系数：

G≈1：这个信息很重要，放行！
G≈0：这个信息是噪音，直接拦截。

以下是核心逻辑的 PyTorch 复现：

import torch import torch.nn as nn import torch.nn.functional as F class GatedAttention(nn.Module): """ Qwen Gated Attention (简化实现版) 基于 NeurIPS 2025 Best Paper (Gated Attention for Large Language Models: Non-linearity, Sparsity, and Attention-Sink-Free) 的核心思想。 传统 Attention: Output = Softmax(QK^T) * V 门控 Attention: Output = (Softmax(QK^T) * V) * Gate """ def __init__(self, d_model, n_head): super().__init__() self.n_head = n_head self.d_head = d_model // n_head # 标准的 Q, K, V, O 投影层 self.w_q = nn.Linear(d_model, d_model) self.w_k = nn.Linear(d_model, d_model) self.w_v = nn.Linear(d_model, d_model) self.w_o = nn.Linear(d_model, d_model) # 魔法门 (The Magic Gate): 参数量增加极小，性能提升巨大 # 它可以为每个 Head 计算一个门控分数 (0到1之间) self.w_gate = nn.Linear(d_model, d_model) def forward(self, x): batch, seq, _ = x.shape # 1. 标准 Attention 计算流程 q = self.w_q(x).view(batch, seq, self.n_head, self.d_head) k = self.w_k(x).view(batch, seq, self.n_head, self.d_head) v = self.w_v(x).view(batch, seq, self.n_head, self.d_head) # 计算注意力分数 attn_scores = torch.einsum('bqhd,bkhd->bhqk', q, k) / (self.d_head ** 0.5) attn_probs = F.softmax(attn_scores, dim=-1) # 聚合上下文信息 context = torch.einsum('bhqk,bkhd->bqhd', attn_probs, v) context = context.reshape(batch, seq, -1) # 2. 核心创新点: 数据依赖的门控机制 (Data-Dependent Gating) # 我们根据输入 x 计算一个门控值 (Gate Value) gate = F.sigmoid(self.w_gate(x)) # 3. 门控输出 # 如果 Gate 接近 0，说明该信息是噪音，直接被拦截 gated_context = context * gate return self.w_o(gated_context)

为什么这很重要？

这不仅仅是参数微调，这是对 Transformer 架构的一次物理修正。

数值稳定性：传统 Transformer 随着层数变深，信号会不可避免地衰减或爆炸（熵增）。加了这个门，就像电路里的非线性电阻，能稳住信号流。

隐式稀疏化：虽然 Qwen 依然是稠密模型，但这个门控机制让模型学会了“选择性忽略”。这其实是一种隐式的稀疏化（Soft Sparsity）。

一点建议：各位手搓小模型的朋友们，建议直接把这个 Module 焊死在你的模型里。参数量只增加了不到 1%，但能带来显著的 Loss 下降。

最后

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

✅AI大模型学习路线图
✅Agent行业报告
✅100集大模型视频教程
✅大模型书籍PDF
✅DeepSeek教程
✅AI产品经理入门资料

完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

资料包有什么？

①从入门到精通的全套视频教程⑤⑥

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

NeurIPS 2025最佳论文：Gated Attention，用极小代价换来大模型性能飞跃！