新智元报道

编辑：KingHZ

融合Self-attention和Convolution两大核心机制，Translution以统一的框架重新审视深度神经网络的本质，为下一代神经网络提供了新的可能。

自2017年Transformer模型提出以来，Self-attention机制凭借其强大的建模能力，逐渐成为深度学习领域的核心操作。

然而，随着人工智能模型的规模不断扩张，单纯依靠简单直接「堆参数、堆数据」提升性能的模式正逐渐遇到瓶颈。面对大模型训练代价高昂、性能增长趋缓等挑战，学术界和产业界亟需新的网络架构创新。

近日，范鹤鹤（浙江大学）、杨易（浙江大学）、Mohan Kankanhalli（新加坡国立大学）和吴飞（浙江大学）四位老师提出了一种具有划时代意义的神经网络基础操作——Translution。

该研究认为，神经网络对某种类型数据建模的本质是：

1）为某一数据元素（如卷积核里的中心元素或自注意力机制里的query）寻找相关元素或区域；

2）对相关元素形成的区域进行有效编码，获取该区域真正的、独立于其他外部因素无关的内在结构的表征。

据此，在理论框架与实现机制上，Translution实现了Self-Attention（自注意力）与Convolution（卷积）的有机融合与统一，构建出一种更具普适性的神经计算机制。

论文：Translution: Unifying Self-attention and Convolution for Adaptive and Relative Modeling

论文链接：https://arxiv.org/pdf/2510.10060

代码链接：https://github.com/hehefan/Translution

突破瓶颈

重新思考深度学习两大机制

自注意力机制（Self-Attention）自Transformer模型提出以来，已成为自然语言处理和多模态大模型的核心结构；而卷积神经网络（CNN）则长期主导计算机视觉领域。

图1：Convolution在捕获关联区域时较为「死板」，可以视为固定大小的attention；Self-attention可以自适应地捕捉关联区域

二者的成功揭示了深度神经网络的两条关键路径：

Self-Attention能够在全局范围内自适应地捕捉特征关联，但依赖绝对位置编码（absolute positional embedding），导致模型在处理位置变化时缺乏稳定性；

Convolution则通过固定的局部卷积核捕获相对结构信息，具备强大的平移不变性，但无法像注意力那样灵活地选择相关区域。

图2：在对相关区域进行编码时，Convolution为每个方向和距离都赋予一个可学习参数矩阵，使其可以捕捉与绝对位置无关的真实结构；而Self-attention通常将绝对位置融入到特征中，当位置发生变化，可能无法识别原先结构。

两种机制各有所长，却始终割裂。Translution的出现，正是为了弥合这一理论与应用的鸿沟。

Translution

Self-Attention和Convolution的大一统

Translution的核心思想，是将Self-Attention的自适应区域选择能力与Convolution的相对结构建模能力进行统一。

在传统的自注意力计算中，Query、Key、Value的投影矩阵在所有位置上共享，无法感知元素之间的方向和距离关系。

Translution则创新性地为每一种相对偏移（offset）分配独立的参数矩阵，从而在计算Query、Key、Value时引入方向性和相对位置信息，实现了真正意义上的相对编码（relative encoding）。

表1：Translution对Self-Attention与Convolution的统一。Self-Attention与Convolution可以分别看作是Translution的两种特例：Self-Attention简化了相对位置编码，Convolution简化了注意力求解（用感受野代替）

这意味着，Translution不仅能像自注意力那样动态聚焦于最相关的区域，还能像卷积一样感知局部结构关系，实现了「自适应识别+相对建模」的融合。这一特性使模型在处理图像、文本乃至三维空间数据时，能够对形状、位置、顺序等结构变化保持更强的稳定性和泛化性。

α-Translution

在高性能与可训练性之间找到平衡

由于Translution在每个方向上引入了独立参数矩阵，其参数量呈指数级增长，远超当前GPU显存所能承载。为解决这一问题，提出了轻量化版本——α-Translution。

通过在特征维度上引入分解式低秩编码，α-Translution将大规模矩阵压缩为多层可组合子空间映射，从而在保证性能的同时，将参数量与显存占用降低至原版的数十分之一。

实验表明，α-Translution在性能上显著优于传统Self-Attention，而计算成本可控，是当前硬件条件下最具潜力的过渡方案。

在视觉与语言任务上，

全面超越Self-Attention

技术报告在计算机视觉和自然语言建模两个领域开展了系统性实验。

结果显示，在多个benchmark上，Translution及其轻量化版本α-Translution均显著优于基于Self-attention的Transformer架构：

•在基于ViT架构的动态MNIST分类实验中，Translution对位置变化表现出极强的鲁棒性，识别精度显著优于Self-Attention。

•在基于ViT架构的ImageNet分类任务上，Translution的Top-1准确率较Self-Attention最高提升超过6%。

•在基于GPT架构的OpenWebText语言建模中，Translution的困惑度（Perplexity）相比Self-Attention有效降低，展现出更强的语言建模能力。

表2：当在静态MNIST数据集上进行训练、动态数据集上进行测试，Translution（包括α-Translution）取得了明显高于Self-attention的准确率，展现出其对位置变化的强大适应能力。

表3：基于Translution构建的ViT在ImageNet数据集上取得明显优于Self-attention的准确率

表4：在自然语言建模的任务上，基于Translution构建的GPT也取得了超过Self-attention的性能

这些结果表明，Translution不仅在视觉任务中能够准确捕获空间结构关系，也能在文本序列中理解词语之间的相对依赖，展现出跨模态的普适性。

灵魂拷问

Translution性能提升源自参数量增多？

为了验证Translution的性能提升究竟源于参数规模的增加，还是源于所提出的相对建模机制，作者们设计了更具「挑战性」的对照实验：他们将Translution中的相对矩阵替换为绝对矩阵。

这一替换会导致参数量显著增加。如果「绝对Translution」的表现优于「相对Translution」，则说明性能提升主要来自参数增多；反之，则证明提升源于相对建模机制本身。

实验结果如表所示，「相对Translution」在准确率上远超「绝对Translution」，充分证明了性能提升确实源自所提出的相对建模方法。

表5：具有更少参数的「相对Translution」取得了更高的准确率，证明了Translution带来的性能提升正是由所提出的相对建模引起的。

结束语：Translution不仅是一项技术创新，更是一次对深度神经网络本质的重新思考。

尽管其大规模应用有赖于未来更强大的算力支撑，但它为新一代神经网络的发展开辟了新的方向，也为人工智能的未来注入了新的活力。

参考资料：

https://arxiv.org/pdf/2510.10060