10月7日消息，麻省理工學(xué)院聯(lián)合 Meta AI 的研究人員日前開發(fā)了一款名為 StreamingLLM 的框架，為大語言模型可能遇到的 RAM 與泛化問題提出了一系列解決方案，號稱能夠“讓語言模型處理無限長度的文本內(nèi)容”。

據(jù)IT之家報道，StreamingLLM 的研究重點，是想解決實現(xiàn)流式語言模型（Efficient Streaming Language Models，ESLM）的障礙，特別是“長時間互動的多輪對話場景”中可能出現(xiàn)的問題。

研究人員指出，這種流式語言模型主要存在兩大挑戰(zhàn)：第一個挑戰(zhàn)：在解碼階段，獲取 token 的鍵（Key）值（Value）狀態(tài)會消耗大量的 RAM。

第二個挑戰(zhàn)：目前流行的大語言模型，難以泛化適用“超過訓(xùn)練序列長度”的長文本。

過去有許多研究試圖解決上述挑戰(zhàn)，像是“擴展注意力窗口”，讓語言模型能夠處理超出預(yù)訓(xùn)練序列長度的長文本；或是建立一個固定大小的活動窗口，只關(guān)注最近 token 的鍵值狀態(tài)，確保 RAM 使用率和解碼速度保持穩(wěn)定，但若遇到“序列長度超過緩存大小”時，這個策略就會失效。

而當(dāng)前流式語言模型最大的挑戰(zhàn)是“如何不消耗過多 RAM 且不損害模型性能的前提下，處理長文本輸入”。

StreamingLLM 對此采取的策略是“運用注意力下沉現(xiàn)象”，研究人員觀察到，在自回歸語言模型中，無論特定 token 和語言模型本身的相關(guān)性如何，如果對代 token 分配了大量的注意力。

這些獲得高度注意力的 token，就會表現(xiàn)出注意力下沉的現(xiàn)象，即便這些 token 在語義上不重要，但他們?nèi)匀猾@得模型強烈關(guān)注（即給予特定 token 內(nèi)容大量注意力，從而獲得模型大部分的關(guān)注，而這些特定 token 內(nèi)容包含“下沉 token 的鍵值”，從而確保無論輸入序列有多長，模型的注意力計算都能維持穩(wěn)定）。

StreamingLLM 的重要貢獻，在于其提出一個簡單且高效的解決方案，使語言模型不需微調(diào)就可以處理無限長度的文本。從而解決當(dāng)前語言模型在流式應(yīng)用的困境。雖然未來流式語言模型勢在必行，但由于 RAM 效率的限制，以及模型在處理長序列的性能問題，相關(guān)模型發(fā)展仍受到挑戰(zhàn)。

經(jīng)研究團隊證實，StreamingLLM 能夠讓 Llama 2、MPT、Falcon 和 Pythia 可靠地處理高達 400 萬 token 的文本，能夠為流式語言模型提供更多部署方面的可能性。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。