Перейти до вмісту
ATAI Today Brief
ГоловнаНовиниКонцептиГайдиІнструменти
Про насПідписатисяEN
Підписатися

AI Today Brief

Щоденний бриф з AI-інженерії. Built in public. EN · UA.

XTelegramLinkedInYouTubeRSS

Слідкуйте за AI Today Brief у LinkedIn — щоденні оновлення з AI-інженерії та тижневий PDF «5 shifts that changed how developers work».

Огляд

НовиниДайджестиКонцептиГайди

Компанія

ПідписатисяРекламаПро нас

Правове

Редакційна політикаAI-розкриттяПриватністьУмови

© 2026 AI Today Brief. Усі права захищені.

  1. Головна/
  2. Новини/
  3. Гайди й туторіали/
  4. TokenTown візуалізує роботу Transformer та Key-Value кaшування у формі міста
Гайди й туторіали

TokenTown візуалізує роботу Transformer та Key-Value кaшування у формі міста

27 липня 2026 р.· 3 хв читання
OKКуратор Oleksandr Kuzmenko, AI Product Engineer·Оновлено 27 липня 2026 р.·Джерела вказані в кожному матеріалі
За участі AI · перевірено редактором·Як ми використовуємо AI
TokenTown візуалізує роботу Transformer та Key-Value кaшування у формі міста

TokenTown — це інтерактивний браузерний візуалізатор, який відображає етапи роботи Transformer у вигляді міських районів, моделюючи увага, KV-кеш, фази prefill та decode.

Чому це важливо

Використовуйте TokenTown для побудови наочної ментальної моделі фаз prefill, decode та динаміки KV-кешу.

TL;DR

  • 01TokenTown симулює архітектуру Transformer у браузерному ізометричному місті.
  • 02Демонструє різницю між паралельним prefill та послідовним декодуванням токенів.
  • 03Візуалізує зростання KV-кешу та механізм multi-head attention у реальному часі.

Ключові факти

Розмірність моделі
12 вимірів, 2 голови, 2-12 шарів
Управління
Пробіл (пауза), S (крок), R (скидання), Швидкість (0.4x-8x)

Архітектура та параметри симуляції

Візуалізатор використовує зменшену модель для виконання обчислень прямо у браузері:

  • Розмірність моделі: 12 вимірів, 2 голови уваги, від 2 до 12 шарів
  • Словник: Кілька сотень слів
  • Процеси: Токенізація, ембеддінги, позиційне кодування, LayerNorm, multi-head attention з KV-кешем, GELU та семплювання top-p.

Різниця між Prefill та Decode

Симуляція показує відмінності обчислювальних фаз:

  • Фаза Prefill: Одночасно обробляє всі токени вхідного промпту через шари уваги.
  • Фаза Decode: Послідовно генерує по одному токену, демонструючи необхідність збереження KV-кешу.

✓ Коли використовувати

  • Під час пояснення архітектури LLM, витрат пам'яті на KV-кеш або різниці між prefill та decode.
  • Для побудови наочної ментальної моделі проходження токенів через шари attention.

Що зробити сьогодні

  • →Перейдіть на laurentiugabriel.github.io/token-town та запустіть інтерактивний тур.
  • →Використовуйте Пробіл для паузи та клавішу S для покрокового аналізу шарів Transformer.

Що каже спільнота

  • “Looks like the PG world website we've seen on the frontpage. Did you get some inspiration from that project?”

    — jamunachavan на Hacker News

#TokenTown#Transformer

Джерела

  • TokenTown – Learn how LLM's work in a SimCity-like world
  • Hacker News TokenTown Discussion
ПоділитисяПоділитися в XПоділитися в LinkedIn
← Попередня новинаСпільні чати Claude потрапили в пошуковики через відсутність тегів noindexНаступна новина →Intel оцінює агентні ферми штучного інтелекту через щільність vCPU та латентність

Email-дайджест

Отримуйте ранковий AI-бриф

Один лист на день — історії, що важливі для інженерів, фаундерів і техлідів. Редагує людина, з посиланнями на першоджерела.

  • ✓120+ джерел щодня
  • ✓Редагує людина
  • ✓1 лист на день
  • ✓EN + UA

Підписуючись, ви погоджуєтесь з політикою конфіденційності.