目前的機(jī)器翻譯模型基于編碼器-解碼器系統(tǒng)結(jié)構(gòu)，本文提出了一種名為“普適注意力”的新翻譯模型，用2D卷積網(wǎng)絡(luò)做序列預(yù)測(cè)，無論長(zhǎng)句短句翻譯結(jié)果都更好，使用的參數(shù)也更少。實(shí)驗(yàn)表明，新模型的總體表現(xiàn)優(yōu)于目前最出色的解碼器-編碼器模型系統(tǒng)。

目前，最先進(jìn)的機(jī)器翻譯系統(tǒng)基于編碼器-解碼器架構(gòu)，首先對(duì)輸入序列進(jìn)行編碼，然后根據(jù)輸入編碼生成輸出序列。兩者都與注意機(jī)制接口有關(guān)，該機(jī)制基于解碼器狀態(tài)，對(duì)源令牌的固定編碼進(jìn)行重新組合。

本文提出了一種替代方法，該方法于跨兩個(gè)序列的單個(gè)2D卷積神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)的每一層都根據(jù)當(dāng)前的輸出序列重新編碼源令牌。因此，類似注意力的屬性在整個(gè)網(wǎng)絡(luò)中普遍存在。我們的模型在實(shí)驗(yàn)中表現(xiàn)出色，優(yōu)于目前最先進(jìn)的編碼器-解碼器系統(tǒng)，同時(shí)在概念上更簡(jiǎn)單，參數(shù)更少。

“普適注意力”模型及原理

我們的模型中的卷積層使用隱性3×3濾波器，特征僅根據(jù)先前的輸出符號(hào)計(jì)算。圖為經(jīng)過一層（深藍(lán)色）和兩層（淺藍(lán)色）計(jì)算之后的感受野，以及正常3×3濾波器（灰色）的視野的隱藏部分。

上圖為具有兩個(gè)隱藏層的解碼器網(wǎng)絡(luò)拓?fù)涞膱D示，底部和頂部的節(jié)點(diǎn)分別表示輸入和輸出。水平方向連接用于RNN，對(duì)角線方向連接用于卷積網(wǎng)絡(luò)。在兩種情況下都會(huì)使用垂直方向的連接。參數(shù)跨時(shí)間步長(zhǎng)（水平方向）共享，但不跨層（垂直方向）共享。

塊級(jí)（頂部）和每個(gè)塊（底部）內(nèi)的DenseNet體系結(jié)構(gòu)

令牌嵌入大小、層數(shù)（L）和增長(zhǎng)率（g）的影響

無論是長(zhǎng)句、短句，翻譯結(jié)果都更好

與現(xiàn)有最佳技術(shù)的比較

我們將結(jié)果與表3中的現(xiàn)有技術(shù)進(jìn)行了比較，包括德-英翻譯（De-En）和英-德翻譯（En-De）。我們的模型名為Pervasive Attention。除非另有說明，我們使用最大似然估計(jì)（MLE）訓(xùn)練所有模型的參數(shù)。對(duì)于一些模型，我們會(huì)另外報(bào)告通過序列水平估計(jì)（SLE，如強(qiáng)化學(xué)習(xí)方法）獲得的結(jié)果，我們通常直接針對(duì)優(yōu)化BLEU量度，而不是正確翻譯的概率。

在不同句子序列長(zhǎng)度上的表現(xiàn)

在上圖中，我們將翻譯質(zhì)量視為句子長(zhǎng)度的函數(shù)，并將我們的模型與RNNsearch、ConvS2S和Transformer進(jìn)行比較。結(jié)果表明，我們的模型幾乎在所有句子長(zhǎng)度上都得到了最好的結(jié)果，ConvS2S和Transformer只在最長(zhǎng)的句子上表現(xiàn)更好。總的來說，我們的模型兼?zhèn)銻NNsearch在短句中的強(qiáng)大表現(xiàn)，同時(shí)也接近ConvS2S和Transformer在較長(zhǎng)句子上的良好表現(xiàn)。

隱性的句子對(duì)齊

上圖所示為最大池化運(yùn)算符在我們的模型中生成的隱式句子對(duì)齊。作為參考，我們還展示了我們的模型使用的“自我注意力”產(chǎn)生的對(duì)齊。可以看到，兩種模型都成功定性地模擬了隱性的句子對(duì)齊。

我們的模型（L = 24，g = 32，ds = dt = 128），具有不同的池化操作符，使用門控卷積單元

在不同的濾波器尺寸k和深度L下，我們的模型（g = 32，ds = dt = 128）的表現(xiàn)。

與IWSLT德語(yǔ)-英語(yǔ)翻譯模型的最新結(jié)果的比較。

（*）：使用我們的實(shí)現(xiàn)獲得的結(jié)果（**）：使用FairSeq獲得的結(jié)果。

脫離編碼器-解碼器范式，用DenseNet作機(jī)器翻譯

我們提出了一種新的神經(jīng)機(jī)器翻譯架構(gòu)，該架構(gòu)脫離了編碼器-解碼器范例。我們的模型將源序列和目標(biāo)序列聯(lián)合編碼為深度特征層次結(jié)構(gòu)，其中源令牌嵌入到部分目標(biāo)序列的上下文中。沿源維度對(duì)此聯(lián)合編碼進(jìn)行最大池化，將相關(guān)要素映射到下一個(gè)目標(biāo)令牌的預(yù)測(cè)。該模型實(shí)現(xiàn)基于DenseNet的2D CNN。

由于我們的模型會(huì)結(jié)合語(yǔ)境，對(duì)每一層當(dāng)前生成的目標(biāo)序列的輸入令牌重新編碼，因此該模型網(wǎng)絡(luò)構(gòu)造的每層中都具有“類似注意力”（attention-like）的屬性。

因此，添加明確的“自注意模塊”具有非常有限、但十分積極的效果。然而，我們模型中的最大池化運(yùn)算符生成的隱式句子對(duì)齊，在性質(zhì)上與注意力機(jī)制生成的對(duì)齊類似。我們?cè)贗WSLT'14數(shù)據(jù)集上評(píng)估了我們的模型，將德-英雙語(yǔ)互譯。

我們獲得的BLEU分?jǐn)?shù)與現(xiàn)有最佳方法相當(dāng)，我們的模型使用的參數(shù)更少，概念上也更簡(jiǎn)單。我們希望這一成果可以引發(fā)對(duì)編碼器-解碼器模型的替代方案的興趣。在未來，我們計(jì)劃研究混合方法，其中聯(lián)合編碼模型的輸入不是由嵌入向量提供的，而是1D源和目標(biāo)嵌入網(wǎng)絡(luò)的輸出。

未來我們還將研究如何該模型來跨多語(yǔ)種進(jìn)行翻譯。