现代Transformer模型依赖多种尺度控制机制,包括归一化(normalization)、残差缩放(residual scaling)、注意力温度系数(attention temperatures)、损失加权(loss weighting)以及自适应参数更新(adaptive updates)。为阐明这些机制如何维持模型内部各张量的尺度一致性,我们提出了“神经量纲分析”(Neural Dimensional Analysis, NDA)——一种基于量纲一致性(dimensional consistency)的统一理论框架。我们定义了“神经量纲单位”(neural units),用以明确张量在前向与反向传播中如何按比例缩放,并规定哪些物理量可以相加(正如物理学中通过单位制约束不同物理量能否相加一样)。该框架所导出的规则自然满足残差连接的量纲兼容性要求,对注意力机制和门控机制的输入实现无量纲化处理,支持跨量纲单位的多任务损失函数协同优化,并能将梯度的量纲单位一致地转换为模型参数的量纲单位。我们在实践中通过三方面落实NDA:其一是引入无量纲的“单位违反指数”(Unit Violation Index, UVI),用于精准诊断Transformer内部各模块间的尺度不匹配问题;其二是构建满足量纲一致性的多损失联合优化目标;其三是设计“规范-正交Transformer”(Gauge-Canonical Transformer, GCT),该架构采用归一化的坐标表示,并在残差连接中实施正交化加法操作。在涵盖5100万至10亿参数规模的语言建模实验中,GCT在训练全程展现出卓越的稳定性:其适用的学习率范围横跨十六倍(即最高学习率可达最低学习率的16倍),且在经调优的学习率下,于1.24亿参数规模模型上验证集损失显著优于Pre-LN、LLaMA风格及QK-Norm等主流基线架构。此外,GCT中经过归一化的残差流亦展现出更强的量化鲁棒性:在10亿参数规模下,采用校准后的逐张量int8量化后,GCT验证集损失仅增加0.009纳特(nats),而各基线模型的损失增幅则高达最多5.51纳特。进一步在视觉任务及物理信息神经网络(physics-informed neural networks)中的实验也充分证实,NDA的益处远不止于语言建模领域。上述结果共同确立了“量纲一致性”作为神经网络设计的一项基本原理。

