目前的機器翻譯模型基于編碼器-解碼器系統結構，本文提出了一種名為“普適注意力”的新翻譯模型，用2D卷積網絡做序列預測，無論長句短句翻譯結果都更好，使用的參數也更少。實驗表明，新模型的總體表現優于目前最出色的解碼器-編碼器模型系統。

目前，最先進的機器翻譯系統基于編碼器-解碼器架構，首先對輸入序列進行編碼，然后根據輸入編碼生成輸出序列。兩者都與注意機制接口有關，該機制基于解碼器狀態，對源令牌的固定編碼進行重新組合。

本文提出了一種替代方法，該方法于跨兩個序列的單個2D卷積神經網絡。網絡的每一層都根據當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網絡中普遍存在。我們的模型在實驗中表現出色，優于目前最先進的編碼器-解碼器系統，同時在概念上更簡單，參數更少。

“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，特征僅根據先前的輸出符號計算。圖為經過一層（深藍色）和兩層（淺藍色）計算之后的感受野，以及正常3×3濾波器（灰色）的視野的隱藏部分。

上圖為具有兩個隱藏層的解碼器網絡拓撲的圖示，底部和頂部的節點分別表示輸入和輸出。水平方向連接用于RNN，對角線方向連接用于卷積網絡。在兩種情況下都會使用垂直方向的連接。參數跨時間步長（水平方向）共享，但不跨層（垂直方向）共享。

塊級（頂部）和每個塊（底部）內的DenseNet體系結構

令牌嵌入大小、層數（L）和增長率（g）的影響

無論是長句、短句，翻譯結果都更好

與現有最佳技術的比較

我們將結果與表3中的現有技術進行了比較，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（MLE）訓練所有模型的參數。對于一些模型，我們會另外報告通過序列水平估計（SLE，如強化學習方法）獲得的結果，我們通常直接針對優化BLEU量度，而不是正確翻譯的概率。

在不同句子序列長度上的表現

在上圖中，我們將翻譯質量視為句子長度的函數，并將我們的模型與RNNsearch、ConvS2S和Transformer進行比較。結果表明，我們的模型幾乎在所有句子長度上都得到了最好的結果，ConvS2S和Transformer只在最長的句子上表現更好。總的來說，我們的模型兼備RNNsearch在短句中的強大表現，同時也接近ConvS2S和Transformer在較長句子上的良好表現。

隱性的句子對齊

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

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。

與IWSLT德語-英語翻譯模型的最新結果的比較。

（*）：使用我們的實現獲得的結果（**）：使用FairSeq獲得的結果。

脫離編碼器-解碼器范式，用DenseNet作機器翻譯

我們提出了一種新的神經機器翻譯架構，該架構脫離了編碼器-解碼器范例。我們的模型將源序列和目標序列聯合編碼為深度特征層次結構，其中源令牌嵌入到部分目標序列的上下文中。沿源維度對此聯合編碼進行最大池化，將相關要素映射到下一個目標令牌的預測。該模型實現基于DenseNet的2D CNN。

由于我們的模型會結合語境，對每一層當前生成的目標序列的輸入令牌重新編碼，因此該模型網絡構造的每層中都具有“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算符生成的隱式句子對齊，在性質上與注意力機制生成的對齊類似。我們在IWSLT'14數據集上評估了我們的模型，將德-英雙語互譯。

我們獲得的BLEU分數與現有最佳方法相當，我們的模型使用的參數更少，概念上也更簡單。我們希望這一成果可以引發對編碼器-解碼器模型的替代方案的興趣。在未來，我們計劃研究混合方法，其中聯合編碼模型的輸入不是由嵌入向量提供的，而是1D源和目標嵌入網絡的輸出。

未來我們還將研究如何該模型來跨多語種進行翻譯。